飞捷科思智能科技（上海）有限公司

本发明公开了一种理解和生成协作增强的统一大模型学习方法和系统，属于多模态大模型技术领域，包括以下内容：接收各类多源图文样本与任务指令，经统一格式处理、质量过滤和层次化整理，构建适配全训练阶段的样本池；双路提取样本高层语义与低层细节表征，借助门控聚合动态融合，联合文本表征输入共享骨干网络完成序列建模；按复杂度划分四类任务，采用由简到繁课程式训练，结合阶段解冻策略开展多任务联合学习；融合双向奖励构建统一优化目标，兼容文本与视觉决策，以生成结果反向校正理解状态；最终输出图文结果、训练日志及评测信息，形成全链路学习闭环。本发明采用上述方法，实现大模型理解与生成双向协同，提升训练稳定性与语义对齐能力。

本发明涉及人工智能模型训练技术领域，公开了一种针对组内梯度消失问题的强化学习训练方法及系统。该方法针对同一提示词生成多个候选响应并确定奖励，根据组内奖励分布构建局部优化目标，将组内奖励聚合为提示词级表现，并根据训练批次内不同提示词级表现构建跨组全局优化目标；根据响应结果分布确定一致性熵以及局部融合权重和全局融合权重，在全错状态下将局部融合权重置零，根据融合优化目标更新策略模型。该方案使组内零局部优势响应组保留在训练批次中，并在其提示词级表现偏离批次统计基准时形成跨组更新信号，减少因删除零局部优势样本造成的无效采样和训练计算。