一种面向语言模型智能客服助理系统的高效持续学习方法

本发明公开一种面向语言模型智能客服助理系统的高效持续学习方法，旨在解决在动态更新客户需求和服务场景中，如何高效地保持客服模型的学习能力并避免灾难性遗忘。通过结合低秩适配器(LoRA)和层次化梯度相似性树，本方法能够在面对不断变化的客户咨询、投诉和反馈时，实现实时在线学习与调整。具体来说，方法通过任务相似性评估和带置信度界限的任务探索算法，动态调整语言模型的学习策略，使其能够快速适应新业务场景、应对多样化的客户需求，同时保留已有的服务知识。该方法显著提高了客服智能系统在处理不同语言、语境和客户情绪时的响应能力，特别适用于智能客服平台和企业服务系统，在减少计算资源消耗的同时，提升服务质量和客户满意度。