基于弹性自适应增量学习的大模型云计算动态更新方法

本发明公开了一种基于弹性自适应增量学习的大模型云计算动态更新方法，S1、在云计算平台中，获取大模型的当前版本和待处理的新数据流；S2、针对新数据对大模型进行局部参数更新，更新过程中根据数据的特征动态选择需要更新的参数或模型层；S3、引入自适应学习策略，实时监测数据分布的变化情况；S4、在大模型更新的过程中，通过云端的多节点协同调度机制，将大模型更新任务拆分至多个计算节点并行执行；S5、完成大模型更新后，系统对大模型的性能进行验证；S6、在大模型更新部署过程中，系统动态回收不再使用的计算资源。本发明在大规模云计算环境中能够充分利用闲置的计算资源，使得计算任务均衡分配，并确保任务负载的动态调整。