山东浪潮科学研究院有限公司

本发明属于基于特定计算模型的计算机系统的技术领域，尤其涉及基于内在几何偏置选择的鲁棒联邦视觉语言适配方法。所述方法在冻结预训练视觉编码器与文本编码器主干参数的前提下，仅解锁各Transformer 前馈网络输出投影中的偏置参数，构建极小规模的内在可训练集合；客户端在本地训练时利用交叉熵损失梯度估计经验 Fisher 信息，对各可训练偏置坐标的局部敏感度进行打分，并基于渐进式个性化掩码机制，将偏置坐标划分为可共享坐标与个性化坐标；可共享坐标参与服务器端聚合，个性化坐标保留在客户端本地；在本地训练过程中，对可共享坐标施加Fisher加权近端约束，并利用冻结教师模型进行图像特征与文本特征蒸馏，以提高在多域分布偏移及标签分布偏移条件下的鲁棒性。

本发明公开了一种精神疾病大模型评估的偏差检测方法及系统，涉及精神卫生智能评估技术领域。该方法包括步骤：利用自我偏好偏差系数根据细粒度评估准则对评审结果基于同源模型输出与异源模型输出进行偏差量化；根据细粒度评估准则属性对偏差诱发条件进行结构化分析和风险识别；基于多模型异构共识检测机制对评审结果的偏差进行识别、隔离与校正参考；根据偏差量化结果、准则属性风险识别结果和一致性评分对评审结果进行偏差校正并得到最终的偏差检测结果。本发明能够实现精神疾病大模型准则评估中偏差的细粒度刻画、跨准则追踪、定量分析与结构化归因。