基于大模型增量学习的动态资源优化方法及系统

本发明涉及大数据处理技术领域，尤其涉及一种基于大模型增量学习的动态资源优化方法及系统，包括：基于预设训练周期使用训练数据更新模型；判定模型的运行状况是否合格，在判定模型的运行状况异常时，基于单个切片的待处理数据的实际处理时长调节各服务器的参数包括，将服务器的数量调节至对应值、将单个切片的待处理数据对应的服务器的网络带宽调节至对应值或将选取的用以更新模型的训练数据的批次选取数量调节至对应值；判定模型的运行状况合格，持续使用当前模型完成对资源的分配。本发明根据实时数据不断更新模型，使用动态调整资源分配方案，提高了资源分配效率。