基于双模动态循环的大语言模型知识能力持续拓展方法

本发明涉及自然语言处理技术领域，公开了一种基于双模动态循环的大语言模型知识能力持续拓展方法，通过模态转换机制单元控制LLM在清醒和睡眠模态间循环切换：清醒模态下，RAG模块收集清洗新数据构建知识库，基于用户问题检索知识并调用VertiLLM生成答案；当数据量达阈值且资源空闲时切换至睡眠模态，启动续训模块，利用清洗数据生成训练数据对LLM进行参数调整，生成经测试验证的新VertiLLM模型后更新至RAG模块，同时删除已训练数据；RAG模块通过检索增强技术提升即时知识，续训模块通过继续训练巩固专业知识。该方法实现了大语言模型知识能力的动态持续拓展，解决了传统模型知识更新滞后的问题，具有自动化程度高、资源利用率优等特点。