一种多模态大模型训练数据采集方法及系统

本发明公开了一种多模态大模型训练数据采集方法及系统，涉及数据采集优化技术领域，包括，基于清洗对齐数据集构建因果图邻接矩阵，识别偏见变量后进行反事实干预，生成反事实样本集，将反事实样本集与清洗对齐数据集合并为增强数据集；对增强数据集进行跨模态对抗长尾补偿，得到平衡数据集；基于平衡数据集中的图像数据和文本数据，分别进行深度可分离卷积特征提取和BERT语义编码，并进行跨模态融合，输出融合特征；通过深度可分离卷积、BERT编码、量子潜变量演化与跨模态语义验证步骤，显著提升了多模态大模型在复杂、真实场景下的泛化能力、鲁棒性与社会适应性。