公开(公告)号：CN119862269A

公开(公告)日：2025-04-22

申请号：CN202411821931.8

申请日：2024-12-11

Applicant: 科大讯飞股份有限公司

Inventor： 张为泰 ,  叶忠义 ,  周心远 ,  刘权 ,  王士进 ,  刘聪 ,  胡国平

IPC: G06F16/334 ,  G06F18/214

Abstract: 本申请实施例提供了一种数据合成方法、模型预训练方法、数据合成装置、计算机可读存储介质以及电子设备，涉及人工智能技术领域。该方法包括：将目标预训练模型对应的目标任务进行拆分，得到多个子任务；根据种子数据集中的种子数据，确定提示词，其中，种子数据集中数据为从多种渠道收集的关于目标任务的数据，提示词为子任务对应的提示词或者为目标任务对应的提示词，提示词的样式包括多种；将提示词输入大语言模型，其中，该大语言模型为经过训练的模型，且该模型输出的生成数据对应于上述提示词；根据上述生成数据，确定关于目标任务的合成数据。本申请实施例能够提供大规模且高质量的合成数据，有利于满足预训练对大规模高质量数据的需求。