任务执行方法、系统、电子设备、存储介质和程序产品与流程

本公开涉及人工智能技术和分布式，更具体地，涉及一种任务执行方法、系统、电子设备、存储介质和程序产品。

背景技术：

1、大模型是指由人工神经网络构建的一类具有大量参数的人工智能模型，该些模型具有较高的通用性和泛化能力，可以应用于自然语言处理、图像识别、语音识别等领域。

2、面对跨区域的集团化体系架构，如何提供用于特定类型的业务的大模型、以及稳定且闭环的大模型优化策略，以实现集团化体系架构内的模型优化和资源共享是亟待解决的问题。

技术实现思路

1、有鉴于此，本公开提供了一种任务执行方法、系统、电子设备、存储介质和程序产品。

2、根据本公开的一个方面，提供了一种任务执行方法，包括：响应于用户针对第一模型的训练请求，基于上述用户的标注样本，对上述第一模型进行训练，得到第二模型；以及响应于上述第二模型的应用结果符合上述预设条件，将上述第一模型替换为上述第二模型，其中，上述第一模型和上述第二模型均用于辅助需求方对具有目标类型的业务进行处理。

3、根据本公开的另一个方面，提供了一种任务执行系统，包括：中心云；与上述中心云连接的至少一个边缘云，被配置为：响应于用户针对第一模型的训练请求，基于上述用户的标注样本，对上述第一模型进行训练，得到第二模型；响应于上述第二模型的应用结果符合上述预设条件，将上述第一模型替换为上述第二模型，其中，上述第一模型和上述第二模型均用于辅助需求方对具有目标类型的业务进行处理。

4、根据本公开的另一个方面，提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个指令，其中，当上述一个或多个指令被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如本公开所述的方法。

5、根据本公开的另一个方面，提供了一种计算机可读存储介质，其上存储有可执行指令，上述可执行指令被处理器执行时使处理器实现如本公开所述的方法。

6、根据本公开的另一个方面，提供了一种计算机程序产品，上述计算机程序产品包括计算机可执行指令，上述计算机可执行指令在被执行时用于实现如本公开所述的方法。

1.一种任务执行方法，包括：

2.根据权利要求1所述的方法，其中，将所述第一模型替换为所述第二模型包括：

3.根据权利要求2所述的方法，其中，所述需求方关联有至少一个提供方，所述提供方用于对至少一个具有候选类型的业务进行处理，所述标注样本是基于来自于所述提供方的数据确定的。

4.根据权利要求3所述的方法，其中，所述提供方部署有智能体；所述智能体用于将所述提供方采集到的用于所述候选类型的采集数据转换为预设格式的数据并发送至边缘云，所述预设格式是基于所述提供方的设备标识和所述候选类型确定的。

5.根据权利要求3所述的方法，还包括，在所述响应于用户针对第一模型的训练请求，基于所述用户的标注样本，对所述第一模型进行训练，得到第二模型之前：

6.根据权利要求1所述的方法，还包括：

7.根据权利要求1所述的方法，还包括：

8.根据权利要求1所述的方法，其中，所述方法应用于目标边缘云，所述目标边缘云通过虚拟局域网与中心云进行交互；

9.根据权利要求8所述的方法，其中，所述第二模型是所述中心云通过以下方式得到的：

10.根据权利要求8所述的方法，其中，所述中心云还用于在接收到来自于待新增的边缘云的第二请求的情况下，将所述待新增的边缘云与所述中心云通过局域互联网进行连接；其中，所述待新增的边缘云已预先关联有至少一个提供方和至少一个需求方。

11.根据权利要求8所述的方法，还包括，在所述响应于所述第二模型的应用结果符合所述预设条件之后：

12.根据权利要求1至11中任一项所述的方法，其中，所述需求方包括诊疗平台，与所述需求方连接的提供方包括诊疗设备，所述目标类型包括疾病类型，所述第一模型和所述第二模型均用于辅助所述诊疗平台进行用于所述疾病类型的疾病诊断。

13.一种任务执行系统，包括：

14.根据权利要求13所述的系统，还包括：与所述边缘云连接的至少一个需求方、以及与所述需求方连接的至少一个提供方；

15.一种电子设备，包括：

16.一种计算机可读存储介质，其上存储有计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现根据权利要求1～12中任一项所述方法的步骤。

17.一种计算机程序产品，包括计算机程序或指令，其特征在于，所述计算机程序或指令被处理器执行时实现根据权利要求1～12中任一项所述方法的步骤。