一种基于反事实推理的大模型思维链知识蒸馏方法及系统

本发明提出了一种基于反事实推理的大模型思维链知识蒸馏方法及系统，属于人工智能与自然语言处理技术领域；包括：在原始推理任务数据集的关键位置处施加最小语义扰动，构造反事实问题；基于原始问题与反事实问题，分别调用大语言模型生成多视角推理链；再通过因果中介分析筛选出高忠实度蒸馏数据集，对大语言模型进行思维链一致性优化训练；并将优化训练完成后的大语言模型部署至下游任务。本发明通过分析输入问题的反事实空间并量化推理链对最终决策的因果贡献，能够提升大模型思维链的因果可靠性与逻辑一致性，进而为下游的推理类应用提供有效的数据支持。