一种基于大模型自解释的动态路由及其训练方法

本发明涉及一种基于大模型自解释的动态路由及其训练方法，其中训练方法包括冷启动微调阶段：获取经过预训练的基础小参量大语言模型和初始化的LoRA模块，基于合成路由数据集对基础小参量大语言模型进行监督微调训练，得到微调后的LoRA模块；和迭代优化阶段：将基础小参量大语言模型和微调后的LoRA模块合并，得到动态路由模型；基于迭代优化数据集，通过群组相对策略优化算法优化动态路由模型，优化过程中，根据动态路由模型的输出结果匹配下游模块，根据下游模块的输出结果计算群组相对策略优化算法的奖励函数，包括结果正确性奖励函数和格式正确性奖励函数。与现有技术相比，本发明具有可解释性强、路由准确率高等优点。