检索器模型训练方法、基于检索增强生成的伯特-霍格-杜布综合征识别方法及系统

本申请公开一种检索器模型训练方法、基于检索增强生成的伯特‑霍格‑杜布综合征识别方法及系统，涉及罕见病识别领域；训练方法包括获取正样本对和负样本对；将正样本对和负样本对输入初始检索器模型，计算初始检索器模型的损失函数，损失函数根据度量方差自适应机制实时调节角度边际的大小；根据损失函数计算结果优化初始检索模型。本申请通过损失函数的角度边际强制扩大BHD与非BHD之间的角度间隔，使用度量方差自适应机制根据当前训练批次内所有正样本对之间余弦相似度的统计方差对角度边际进行动态调节，解决因各类DCLDs罕见病的影像学特征非常相似导致的DCLDs影像差异微弱、类别决策边界模糊的问题，提高大模型对查询信息的识别精度。