一种基于学生反馈与课程学习的大语言模型蒸馏重排方法

本发明公开了一种基于学生反馈与课程学习的大语言模型蒸馏重排方法，通过获取原始查询及对应的候选文档集合，基于教师模型输出二元离散标签，将教师模型实时打分反馈，嵌入到学生模型的课程采样学习流程中计算课程进度，根据课程进度实时调整反馈诊断频率与样本合成的绝对难度阶梯，生成相对应的抗性负样本集，基于原始查询及对应的候选文档集合、二元离散标签、抗性负样本集计算综合损失函数，构建优化重排后的教师模型和学生模型，建立“动态诊断‑靶向生成‑受控训练”的闭环机制，实时监测学生模型判别状态并反馈触发定向样本生成，从而提升轻量级重排模型蒸馏的高效性与稳健性。