量化任务模型的训练方法、装置、设备及介质与流程

本公开一般涉及大语言模型训练，具体涉及一种量化任务模型的训练方法、装置、设备及介质。

背景技术：

1、在金融量化分析领域，普通用户较难理解金融量化工具中提供的量化交易策略。为了降低量化使用门槛，相关技术中通常采用能够进行自然语言分析的大语言模型将量化交易策略映射为量化因子。但是，用户的自然语言表达千变万化，例如“股价站上均线”“均线多头排列”和“上涨趋势确立”可能指代同一类逻辑，规则引擎难以穷举，使得大语言模型训练成本极高。

技术实现思路

1、鉴于现有技术中的上述缺陷或不足，期望提供一种量化任务模型的训练方法、装置、设备及介质，有效解决了因训练数据不足和相似因子易混淆导致的量化任务模型准确性和推理延迟的问题。

2、第一方面，本申请实施例提供了一种量化任务模型的训练方法，包括：

3、获取目标虚拟资源推荐训练数据集；其中，所述目标虚拟资源推荐训练数据集包括第一训练样本以及第二训练样本，所述第一训练样本包括至少一个虚拟资源需求信息及每个所述虚拟资源需求信息对应的至少一个推荐因子集类别，所述第二训练样本包括至少一个虚拟资源需求信息及每个所述虚拟资源需求信息对应的至少一个标的推荐因子；

4、从所述虚拟资源推荐训练数据集中依次抽取目标训练样本；

5、当目标训练样本为第一训练样本，调用初始量化任务模型，基于所述目标训练样本中的虚拟资源需求信息获取意图因子集类别，并根据目标训练样本对应的推荐因子集类别以及意图因子集类别，确定意图路由损失数据；

6、当目标训练样本为第二训练样本，调用初始量化任务模型，基于所述目标训练样本中的虚拟资源需求信息获取预测推荐因子，并根据目标训练样本对应的标的推荐因子以及预测推荐因子，确定因子召回损失数据；

7、基于意图路由损失数据以及因子召回损失数据对初始量化任务模型进行训练，得到目标量化任务模型。

8、第二方面，本申请实施例提供了一种量化任务模型的训练装置，包括：

9、获取模块，用于获取目标虚拟资源推荐训练数据集；其中，所述目标虚拟资源推荐训练数据集包括第一训练样本以及第二训练样本，所述第一训练样本包括至少一个虚拟资源需求信息及每个所述虚拟资源需求信息对应的至少一个推荐因子集类别，所述第二训练样本包括至少一个虚拟资源需求信息及每个所述虚拟资源需求信息对应的至少一个标的推荐因子；

10、抽取模块，用于从所述虚拟资源推荐训练数据集中依次抽取目标训练样本；

11、第一召回模块，用于当目标训练样本为第一训练样本，调用初始量化任务模型，基于所述目标训练样本中的虚拟资源需求信息获取意图因子集类别，并根据目标训练样本对应的推荐因子集类别以及意图因子集类别，确定意图路由损失数据；

12、第二召回模块，用于当目标训练样本为第二训练样本，调用初始量化任务模型，基于所述目标训练样本中的虚拟资源需求信息获取预测推荐因子，并根据目标训练样本对应的标的推荐因子以及预测推荐因子，确定因子召回损失数据；

13、优化模块，用于基于意图路由损失数据以及因子召回损失数据对初始量化任务模型进行训练，得到目标量化任务模型。

14、第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，该处理器执行该程序时实现如本申请实施例描述的方法。

15、第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例描述的方法。

16、第五方面，本申请实施例提供了一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如本申请实施例描述的方法。

17、本申请实施例提出的量化任务模型的训练方法、装置、设备及介质，获取目标虚拟资源推荐训练数据集；从虚拟资源推荐训练数据集中依次抽取目标训练样本；当目标训练样本为第一训练样本，调用初始量化任务模型，基于目标训练样本中的虚拟资源需求信息获取意图因子集类别，并根据目标训练样本对应的推荐因子集类别以及意图因子集类别，确定意图路由损失数据；当目标训练样本为第二训练样本，调用初始量化任务模型，基于目标训练样本中的虚拟资源需求信息获取预测推荐因子，并根据目标训练样本对应的标的推荐因子以及预测推荐因子，确定因子召回损失数据；基于意图路由损失数据以及因子召回损失数据对初始量化任务模型进行训练，得到目标量化任务模型。通过完整的数据构建与多层因子召回机制，有效提高了量化任务模型训练的可靠性和准确性。

18、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

1.一种量化任务模型的训练方法，其特征在于，包括：

2.根据权利要求1所述的量化任务模型的训练方法，其特征在于，还包括：

3.根据权利要求2所述的量化任务模型的训练方法，其特征在于，所述获取初始虚拟资源推荐训练数据集，包括：

4.根据权利要求3所述的量化任务模型的训练方法，其特征在于，所述根据所述数据蒸馏模型泛化后的至少一个虚拟资源需求信息以及每个所述虚拟资源需求信息对应的推荐因子，得到初始虚拟资源推荐训练数据集，包括：

5.根据权利要求4所述的量化任务模型的训练方法，其特征在于，所述第一训练样本中的所述虚拟资源需求信息与所述第二训练样本中的所述虚拟资源需求信息一一对应，所述从所述虚拟资源推荐训练数据集中依次抽取目标训练样本，包括：

6.根据权利要求1所述的量化任务模型的训练方法，其特征在于，还包括：

7.一种量化任务模型的训练装置，其特征在于，包括：

8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1-6中任一所述的量化任务模型的训练方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的量化任务模型的训练方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的量化任务模型的训练方法。