买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种大语言模型的训练方法、系统及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121256368B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511814829.X，技术领域涉及：G06F18/214；该发明授权一种大语言模型的训练方法、系统及设备是由戚湧;范俊杰设计研发完成，并于2025-12-04向国家知识产权局提交的专利申请。

本一种大语言模型的训练方法、系统及设备在说明书摘要公布了：本发明属于人工智能技术领域，公开了一种大语言模型的训练方法、系统及设备。本发明包括接收多元交通流时间序列，并转换为固定维度的交通特征张量；将可学习软提示张量在序列维度与交通特征张量拼接，形成LLM输入序列并输入LLM，生成高维输出；LLM仅引入少量可训练参数；基于高维输出和对应的目标未来交通流时间序列计算主任务损失；基于软提示张量与交通特征张量，计算跨模态辅助损失；进而构建复合损失函数并基于此函数，对LLM进行训练，优化可训练参数。本发明能够根据每一个输入大预言模型的交通流序列的独有特性，动态地、自适应地生成或调整引导信号，提高采用大语言模型进行交通流预测时更精准、更具鲁棒性。

本发明授权一种大语言模型的训练方法、系统及设备在权利要求书中公布了：1.一种大语言模型的训练方法，其特征在于，包括： 接收多元交通流时间序列X，所述多元交通流时间序列X包含历史交通流量、车辆速度或道路占有率中的至少一项，并将所述多元交通流时间序列X转换为固定维度的交通特征张量Xtensor； 将可学习的软提示张量P在序列维度上与所述交通特征张量Xtensor进行拼接，形成大语言模型输入序列Xin，并将所述大语言模型输入序列Xin输入大语言模型，生成包含预测交通状态信息的高维输出；所述大语言模型的主体参数是冻结的，仅经过参数高效微调引入若干可训练参数； 基于所述高维输出和对应的目标未来交通流时间序列，计算主任务损失；基于所述软提示张量P与所述交通特征张量Xtensor，计算二者之间的相似性度量或不相似性度量，作为跨模态辅助损失；基于所述主任务损失、跨模态辅助损失，构建复合损失函数； 基于所述复合损失函数，利用包含所述多元交通流时间序列X和所述目标未来交通流时间序列的训练样本，对所述大语言模型进行训练，优化所述可训练参数； 所述复合损失函数为： ； 其中，是主任务损失函数，用于衡量预测准确性；是跨模态辅助损失函数，用于建立提示和特征之间的关联；是由门控网络根据输入的交通特征张量Xtensor动态生成的门控权重，计算方法如下： ； 其中，Xtensor是输入门控网络的交通特征张量；GlobalPool是全局池化操作；GateNet是门控网络；是激活函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫街200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。