一种基于大模型多阶段数据增强的跨语言简讯生成方法

本发明涉及一种基于大模型多阶段数据增强的跨语言简讯生成方法，属于计算机自然语言处理技术领域。本方法通过指令微调技术，利用英文原文和中文简讯之间的对应关系，生成适合大模型学习的指令微调语料。本发明将大模型应用于跨语言科技简讯生成领域，以及结合多阶段数据增强框架，提高了模型在特定任务上的表现，同时保持了模型的泛化能力，解决了传统跨语言文本摘要任务样本不足等问题，避免了传统跨语言任务流水线方法中的误差传播，能够更快地进行推理。本方法通过串行结构学习多个相关任务，并通过辅助任务数据进行增强，从共享的知识中受益，提高了性能，增强泛化能力，有效应对数据稀缺性。