本技術(shù)涉及人工智能領(lǐng)域，尤其涉及一種基于大模型的多任務(wù)處理方法、目標大模型及設(shè)備。

背景技術(shù)：

1、多任務(wù)模型可以應(yīng)用到對數(shù)據(jù)進行多任務(wù)處理中。例如，針對圖像，在需要對圖像進行如人物識別、物品分類、目標分割等多種任務(wù)處理的時候，可以根據(jù)多種任務(wù)處理的要求，基于多任務(wù)模型對圖像完成任務(wù)處理；

2、但是現(xiàn)有技術(shù)中，所提供的基于多任務(wù)模型完成任務(wù)處理時，多任務(wù)模型中分支之間會相互影響到，進而任務(wù)處理的速度慢、效率低。

3、因此，亟需一種可以快速的對數(shù)據(jù)進行處理，以快速的得到任務(wù)處理結(jié)果的方案。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供一種基于大模型的多任務(wù)處理方法、目標大模型及設(shè)備，用以達到多任務(wù)處理速度快、效率高的效果。

2、第一方面，本技術(shù)實施例提供一種基于大模型的多任務(wù)處理方法，包括：

3、將待處理數(shù)據(jù)和目標處理任務(wù)輸入目標大模型，通過所述目標大模型執(zhí)行如下處理：

4、通過所述目標大模型中的目標骨干網(wǎng)絡(luò)對所述待處理數(shù)據(jù)進行特征提取，得到所述待處理數(shù)據(jù)的第一特征；所述目標骨干網(wǎng)絡(luò)與所述待處理數(shù)據(jù)的數(shù)據(jù)模態(tài)關(guān)聯(lián)；

5、通過目標任務(wù)網(wǎng)絡(luò)中的特征提取單元對所述第一特征進行特征提取，得到所述待處理數(shù)據(jù)的第二特征；所述目標任務(wù)網(wǎng)絡(luò)與所述目標骨干網(wǎng)絡(luò)連接，且所述目標任務(wù)網(wǎng)絡(luò)為所述目標處理任務(wù)關(guān)聯(lián)的任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；

6、并通過所述目標任務(wù)網(wǎng)絡(luò)中的任務(wù)處理單元對所述第二特征執(zhí)行所述目標處理任務(wù)，得到所述待處理數(shù)據(jù)的任務(wù)處理結(jié)果。

7、在一種可能的實施方式中，所述目標大模型包括m個骨干網(wǎng)絡(luò)，不同的所述骨干網(wǎng)絡(luò)關(guān)聯(lián)不同的數(shù)據(jù)模態(tài)；其中，所述骨干網(wǎng)絡(luò)連接n個任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；所述任務(wù)網(wǎng)絡(luò)包括依次連接的特征提取單元和任務(wù)處理單元；所述m為大于0的整數(shù)；所述n為大于0的整數(shù)。

8、在一種可能的實施方式中，所述方法還包括：

9、若確定所述目標骨干網(wǎng)絡(luò)連接的可使用的任務(wù)網(wǎng)絡(luò)中不包含所述目標任務(wù)網(wǎng)絡(luò)，則生成并發(fā)出針對所述目標處理任務(wù)的提示信息；其中，所述提示信息表征無法處理目標處理任務(wù)。

10、在一種可能的實施方式中，所述數(shù)據(jù)模態(tài)包括圖像、視頻、音頻、文檔、文本、點云數(shù)據(jù)中的至少一種。

11、在一種可能的實施方式中，所述數(shù)據(jù)模態(tài)包括圖像或視頻時，所述處理任務(wù)包括目標識別、目標分類、事件識別、行為識別、姿態(tài)識別、情緒識別、目標分割、關(guān)鍵點檢測、數(shù)據(jù)格式轉(zhuǎn)換中的至少一種；

12、所述數(shù)據(jù)模態(tài)包括音頻時，所述處理任務(wù)包括語音識別、語音對話、語音問詢、數(shù)據(jù)格式轉(zhuǎn)換、語音感情色彩識別、語音轉(zhuǎn)文字、生成語音摘要中的至少一種；

13、所述數(shù)據(jù)模態(tài)包括文檔時，所述處理任務(wù)包括文檔分類、關(guān)鍵信息提取、生成文檔摘要、文檔情感分析、文檔安全性檢測中的至少一種；

14、所述數(shù)據(jù)模態(tài)包括文本時，所述處理任務(wù)包括文本分類、實體識別、生成文本摘要、文本翻譯、文本去重、文本情感分析、格式錯誤識別中的至少一種；

15、所述數(shù)據(jù)模態(tài)包括點云數(shù)據(jù)時，所述處理任務(wù)包括目標識別、目標分割、關(guān)鍵點檢測、點云去噪、點云補全中的至少一種

16、第二方面，本技術(shù)實施例提供一種用于多任務(wù)處理的目標大模型，包括：

17、m個骨干網(wǎng)絡(luò)，不同的所述骨干網(wǎng)絡(luò)關(guān)聯(lián)不同的數(shù)據(jù)模態(tài)；所述骨干網(wǎng)絡(luò)用于對關(guān)聯(lián)的數(shù)據(jù)模態(tài)的待處理數(shù)據(jù)提取出第一特征；

18、所述骨干網(wǎng)絡(luò)連接n個任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；所述任務(wù)網(wǎng)絡(luò)包括依次連接的特征提取單元和任務(wù)處理單元；所述特征提取單元用于對連接的骨干網(wǎng)絡(luò)提取的第一特征進行特征提取，得到第二特征；所述任務(wù)處理單元用于對連接的特征提取單元提取的第二特征執(zhí)行關(guān)聯(lián)的處理任務(wù)，得到待處理數(shù)據(jù)的任務(wù)處理結(jié)果；

19、其中，所述m為大于0的整數(shù)，所述n為大于0的整數(shù)。

20、在一種可能的實施方式中，所述特征提取單元包括多尺度特征提取模塊和第一融合模塊；

21、所述多尺度特征提取模塊用于對連接的骨干網(wǎng)絡(luò)提取的第一特征進行特征提取，得到多維度下的數(shù)據(jù)特征；

22、所述第一融合模塊，用于對所述多維度下的數(shù)據(jù)特征進行特征融合，得到第二特征。

23、在一種可能的實施方式中，所述特征提取單元包括上采樣模塊、下采樣模塊、以及第二融合模塊；

24、所述上采樣模塊用于對連接的骨干網(wǎng)絡(luò)提取的第一特征進行高層特征提取，得到高層語義特征信息；

25、所述下采樣模塊用于對連接的骨干網(wǎng)絡(luò)提取的第一特征進行低層特征提取，得到低層語義特征信息；

26、所述第二融合模塊用于對所述高層語義特征信息和所述低層語義特征信息進行特征融合，得到第二特征。

27、在一種可能的實施方式中，所述數(shù)據(jù)模態(tài)包括圖像、視頻、音頻、文檔、文本、點云數(shù)據(jù)中的至少一種。

28、在一種可能的實施方式中，所述數(shù)據(jù)模態(tài)包括圖像或視頻時，所述處理任務(wù)包括目標識別、目標分類、事件識別、行為識別、姿態(tài)識別、情緒識別、目標分割、關(guān)鍵點檢測、數(shù)據(jù)格式轉(zhuǎn)換中的至少一種；

29、所述數(shù)據(jù)模態(tài)包括音頻時，所述處理任務(wù)包括語音識別、語音對話、語音問詢、數(shù)據(jù)格式轉(zhuǎn)換、語音感情色彩識別、語音轉(zhuǎn)文字、生成語音摘要中的至少一種；

30、所述數(shù)據(jù)模態(tài)包括文檔時，所述處理任務(wù)包括文檔分類、關(guān)鍵信息提取、生成文檔摘要、文檔情感分析、文檔安全性檢測中的至少一種；

31、所述數(shù)據(jù)模態(tài)包括文本時，所述處理任務(wù)包括文本分類、實體識別、生成文本摘要、文本翻譯、文本去重、文本情感分析、格式錯誤識別中的至少一種；

32、所述數(shù)據(jù)模態(tài)包括點云數(shù)據(jù)時，所述處理任務(wù)包括目標識別、目標分割、關(guān)鍵點檢測、點云去噪、點云補全中的至少一種。

33、第三方面，本技術(shù)實施例提供一種用于多任務(wù)處理的大模型的訓練方法，包括：

34、將待訓練數(shù)據(jù)和訓練處理任務(wù)輸入初始大模型，通過所述初始大模型執(zhí)行如下處理：

35、通過所述初始大模型中的目標骨干網(wǎng)絡(luò)對所述待訓練數(shù)據(jù)進行特征提取，得到所述待訓練數(shù)據(jù)的第一特征；所述目標骨干網(wǎng)絡(luò)與所述待訓練數(shù)據(jù)的數(shù)據(jù)模態(tài)關(guān)聯(lián)；

36、基于所述第一特征，通過目標任務(wù)網(wǎng)絡(luò)中依次連接的特征提取單元和任務(wù)處理單元確定所述待訓練數(shù)據(jù)的任務(wù)處理結(jié)果，并基于所述任務(wù)處理結(jié)果調(diào)整所述目標任務(wù)網(wǎng)絡(luò)中的特征提取單元和任務(wù)處理單元的參數(shù)；所述目標任務(wù)網(wǎng)絡(luò)與所述目標骨干網(wǎng)絡(luò)連接，且所述目標任務(wù)網(wǎng)絡(luò)為所述訓練處理任務(wù)關(guān)聯(lián)的任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)。

37、在一種可能的實施方式中，所述初始大模型包括m個骨干網(wǎng)絡(luò)，不同的所述骨干網(wǎng)絡(luò)關(guān)聯(lián)不同的數(shù)據(jù)模態(tài)；其中，所述骨干網(wǎng)絡(luò)連接n個任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；所述任務(wù)網(wǎng)絡(luò)包括依次連接的特征提取單元和任務(wù)處理單元；所述m為大于0的整數(shù)；所述n為大于0的整數(shù)。

38、在一種可能的實施方式中，基于所述第一特征，通過目標任務(wù)網(wǎng)絡(luò)中依次連接的特征提取單元和任務(wù)處理單元確定所述待訓練數(shù)據(jù)的任務(wù)處理結(jié)果，包括：

39、通過目標任務(wù)網(wǎng)絡(luò)中的特征提取單元對所述第一特征進行特征提取，得到所述待訓練數(shù)據(jù)的第二特征；

40、基于目標任務(wù)網(wǎng)絡(luò)中與特征提取單元連接的任務(wù)處理單元，對所述第二特征執(zhí)行所述訓練處理任務(wù)，得到所述待訓練數(shù)據(jù)的任務(wù)處理結(jié)果。

41、在一種可能的實施方式中，所述待訓練數(shù)據(jù)具有標定的任務(wù)處理結(jié)果；基于所述任務(wù)處理結(jié)果調(diào)整所述目標任務(wù)網(wǎng)絡(luò)中的特征提取單元和任務(wù)處理單元的參數(shù)，包括：

42、根據(jù)所述待訓練數(shù)據(jù)的標定的任務(wù)處理結(jié)果、以及所述目標任務(wù)網(wǎng)絡(luò)輸出的任務(wù)處理結(jié)果，得到損失函數(shù)的損失值；

43、根據(jù)所述損失函數(shù)的損失值，更新所述目標任務(wù)網(wǎng)絡(luò)中的特征提取單元和任務(wù)處理單元的參數(shù)。

44、在一種可能的實施方式中，所述數(shù)據(jù)模態(tài)包括圖像、視頻、音頻、文檔、文本、點云數(shù)據(jù)中的至少一種。

45、在一種可能的實施方式中，所述數(shù)據(jù)模態(tài)包括圖像或視頻時，所述處理任務(wù)包括目標識別、目標分類、事件識別、行為識別、姿態(tài)識別、情緒識別、目標分割、關(guān)鍵點檢測、數(shù)據(jù)格式轉(zhuǎn)換中的至少一種；

46、所述數(shù)據(jù)模態(tài)包括音頻時，所述處理任務(wù)包括語音識別、語音對話、語音問詢、數(shù)據(jù)格式轉(zhuǎn)換、語音感情色彩識別、語音轉(zhuǎn)文字、生成語音摘要中的至少一種；

47、所述數(shù)據(jù)模態(tài)包括文檔時，所述處理任務(wù)包括文檔分類、關(guān)鍵信息提取、生成文檔摘要、文檔情感分析、文檔安全性檢測中的至少一種；

48、所述數(shù)據(jù)模態(tài)包括文本時，所述處理任務(wù)包括文本分類、實體識別、生成文本摘要、文本翻譯、文本去重、文本情感分析、格式錯誤識別中的至少一種；

49、所述數(shù)據(jù)模態(tài)包括點云數(shù)據(jù)時，所述處理任務(wù)包括目標識別、目標分割、關(guān)鍵點檢測、點云去噪、點云補全中的至少一種。

50、第四方面，本技術(shù)實施例提供一種基于大模型的多任務(wù)處理裝置，包括：

51、輸入單元，用于將待處理數(shù)據(jù)和目標處理任務(wù)輸入目標大模型，通過所述目標大模型執(zhí)行如下單元的處理過程；

52、第一提取單元，用于通過所述目標大模型中的目標骨干網(wǎng)絡(luò)對所述待處理數(shù)據(jù)進行特征提取，得到所述待處理數(shù)據(jù)的第一特征；所述目標骨干網(wǎng)絡(luò)與所述待處理數(shù)據(jù)的數(shù)據(jù)模態(tài)關(guān)聯(lián)；

53、第二提取單元，用于通過目標任務(wù)網(wǎng)絡(luò)中的特征提取單元對所述第一特征進行特征提取，得到所述待處理數(shù)據(jù)的第二特征；所述目標任務(wù)網(wǎng)絡(luò)與所述目標骨干網(wǎng)絡(luò)連接，且所述目標任務(wù)網(wǎng)絡(luò)為所述目標處理任務(wù)關(guān)聯(lián)的任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；

54、執(zhí)行單元，用于通過所述目標任務(wù)網(wǎng)絡(luò)中的任務(wù)處理單元對所述第二特征執(zhí)行所述目標處理任務(wù)，得到所述待處理數(shù)據(jù)的任務(wù)處理結(jié)果。

55、在一種可能的實施方式中，目標大模型包括m個骨干網(wǎng)絡(luò)，不同的所述骨干網(wǎng)絡(luò)關(guān)聯(lián)不同的數(shù)據(jù)模態(tài)；其中，所述骨干網(wǎng)絡(luò)連接n個任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；所述任務(wù)網(wǎng)絡(luò)包括依次連接的特征提取單元和任務(wù)處理單元；所述m為大于0的整數(shù)；所述n為大于0的整數(shù)。

56、在一種可能的實施方式中，基于大模型的多任務(wù)處理裝置70還包括；

57、提示單元，用于若確定所述目標骨干網(wǎng)絡(luò)連接的可使用的任務(wù)網(wǎng)絡(luò)中不包含所述目標任務(wù)網(wǎng)絡(luò)，則生成并發(fā)出針對所述目標處理任務(wù)的提示信息；其中，所述提示信息表征無法處理目標處理任務(wù)。

58、在一種可能的實施方式中，數(shù)據(jù)模態(tài)包括圖像、視頻、音頻、文檔、文本、點云數(shù)據(jù)中的至少一種。

59、在一種可能的實施方式中，數(shù)據(jù)模態(tài)包括圖像或視頻時，所述處理任務(wù)包括目標識別、目標分類、事件識別、行為識別、姿態(tài)識別、情緒識別、目標分割、數(shù)據(jù)格式轉(zhuǎn)換中的至少一種；

60、所述數(shù)據(jù)模態(tài)包括音頻時，所述處理任務(wù)包括語音識別、語音對話、語音問詢、數(shù)據(jù)格式轉(zhuǎn)換、語音感情色彩識別、語音轉(zhuǎn)文字、生成語音摘要中的至少一種；

61、所述數(shù)據(jù)模態(tài)包括文檔時，所述處理任務(wù)包括文檔分類、關(guān)鍵信息提取、生成文檔摘要、文檔情感分析、文檔安全性檢測中的至少一種；

62、所述數(shù)據(jù)模態(tài)包括文本時，所述處理任務(wù)包括文本分類、實體識別、生成文本摘要、文本翻譯、文本去重、文本情感分析、格式錯誤識別中的至少一種；

63、所述數(shù)據(jù)模態(tài)包括點云數(shù)據(jù)時，所述處理任務(wù)包括目標識別、目標分割、點云去噪、點云補全中的至少一種。

64、第五方面，本技術(shù)實施例提供一種用于多任務(wù)處理的大模型的訓練裝置，包括：

65、輸入單元，用于將待訓練數(shù)據(jù)和訓練處理任務(wù)輸入初始大模型，通過所述初始大模型執(zhí)行如下單元的處理過程；

66、提取單元，用于通過所述初始大模型中的目標骨干網(wǎng)絡(luò)對所述待訓練數(shù)據(jù)進行特征提取，得到所述待訓練數(shù)據(jù)的第一特征；所述目標骨干網(wǎng)絡(luò)與所述待訓練數(shù)據(jù)的數(shù)據(jù)模態(tài)關(guān)聯(lián)；

67、確定單元，用于基于所述第一特征，通過目標任務(wù)網(wǎng)絡(luò)中依次連接的特征提取單元和任務(wù)處理單元確定所述待訓練數(shù)據(jù)的任務(wù)處理結(jié)果；所述目標任務(wù)網(wǎng)絡(luò)與所述目標骨干網(wǎng)絡(luò)連接，且所述目標任務(wù)網(wǎng)絡(luò)為所述訓練處理任務(wù)關(guān)聯(lián)的任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；

68、調(diào)整單元，用于基于所述任務(wù)處理結(jié)果調(diào)整所述目標任務(wù)網(wǎng)絡(luò)中的特征提取單元和任務(wù)處理單元的參數(shù)。

69、第六方面，本技術(shù)實施例提供另一種用于多任務(wù)處理的大模型的訓練裝置，包括：

70、輸入單元，用于將待訓練數(shù)據(jù)和訓練處理任務(wù)輸入初始大模型，通過所述初始大模型執(zhí)行如下單元的處理過程；

71、提取單元，用于通過所述初始大模型中的目標骨干網(wǎng)絡(luò)對所述待訓練數(shù)據(jù)進行特征提取，得到所述待訓練數(shù)據(jù)的第一特征；所述目標骨干網(wǎng)絡(luò)與所述待訓練數(shù)據(jù)的數(shù)據(jù)模態(tài)關(guān)聯(lián)；

72、確定單元，用于基于所述第一特征，通過目標任務(wù)網(wǎng)絡(luò)中依次連接的特征提取單元和任務(wù)處理單元確定所述待訓練數(shù)據(jù)的任務(wù)處理結(jié)果；所述目標任務(wù)網(wǎng)絡(luò)與所述目標骨干網(wǎng)絡(luò)連接，且所述目標任務(wù)網(wǎng)絡(luò)為所述訓練處理任務(wù)關(guān)聯(lián)的任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；

73、調(diào)整單元，用于基于所述任務(wù)處理結(jié)果調(diào)整所述目標任務(wù)網(wǎng)絡(luò)中的特征提取單元和任務(wù)處理單元的參數(shù)。

74、在一種可能的實施方式中，初始大模型包括m個骨干網(wǎng)絡(luò)，不同的所述骨干網(wǎng)絡(luò)關(guān)聯(lián)不同的數(shù)據(jù)模態(tài)；其中，所述骨干網(wǎng)絡(luò)連接n個任務(wù)網(wǎng)絡(luò)，所述骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；所述任務(wù)網(wǎng)絡(luò)包括依次連接的特征提取單元和任務(wù)處理單元；所述m為大于0的整數(shù)；所述n為大于0的整數(shù)。

75、在一種可能的實施方式中，所述確定單元，具體用于：

76、提取模塊，用于通過目標任務(wù)網(wǎng)絡(luò)中的特征提取單元對所述第一特征進行特征提取，得到所述待訓練數(shù)據(jù)的第二特征；

77、執(zhí)行模塊，用于基于目標任務(wù)網(wǎng)絡(luò)中與特征提取單元連接的任務(wù)處理單元，對所述第二特征執(zhí)行所述訓練處理任務(wù)，得到所述待訓練數(shù)據(jù)的任務(wù)處理結(jié)果。

78、在一種可能的實施方式中，待訓練數(shù)據(jù)具有標定的任務(wù)處理結(jié)果；

79、在一種可能的實施方式中，調(diào)整單元，具體用于：

80、確定模塊，用于根據(jù)所述待訓練數(shù)據(jù)的標定的任務(wù)處理結(jié)果、以及所述目標任務(wù)網(wǎng)絡(luò)輸出的任務(wù)處理結(jié)果，得到損失函數(shù)的損失值；

81、更新模塊，用于根據(jù)所述損失函數(shù)的損失值，更新所述目標任務(wù)網(wǎng)絡(luò)中的特征提取單元和任務(wù)處理單元的參數(shù)。

82、在一種可能的實施方式中，數(shù)據(jù)模態(tài)包括圖像、視頻、音頻、文檔、文本、點云數(shù)據(jù)中的至少一種。

83、在一種可能的實施方式中，數(shù)據(jù)模態(tài)包括圖像或視頻時，所述處理任務(wù)包括目標識別、目標分類、事件識別、行為識別、姿態(tài)識別、情緒識別、目標分割、數(shù)據(jù)格式轉(zhuǎn)換中的至少一種；

84、所述數(shù)據(jù)模態(tài)包括音頻時，所述處理任務(wù)包括語音識別、語音對話、語音問詢、數(shù)據(jù)格式轉(zhuǎn)換、語音感情色彩識別、語音轉(zhuǎn)文字、生成語音摘要中的至少一種；

85、所述數(shù)據(jù)模態(tài)包括文檔時，所述處理任務(wù)包括文檔分類、關(guān)鍵信息提取、生成文檔摘要、文檔情感分析、文檔安全性檢測中的至少一種；

86、所述數(shù)據(jù)模態(tài)包括文本時，所述處理任務(wù)包括文本分類、實體識別、生成文本摘要、文本翻譯、文本去重、文本情感分析、格式錯誤識別中的至少一種；

87、所述數(shù)據(jù)模態(tài)包括點云數(shù)據(jù)時，所述處理任務(wù)包括目標識別、目標分割、點云去噪、點云補全中的至少一種。

88、第七方面，本技術(shù)實施例提供一種電子設(shè)備，包括：存儲器，處理器；

89、所述存儲器存儲計算機執(zhí)行指令；

90、所述處理器執(zhí)行所述存儲器存儲的計算機執(zhí)行指令，使得所述處理器執(zhí)行如上第一方面，和/或第一方面各種可能；或者，使得所述處理器執(zhí)行如上第二方面，和/或第二方面各種可能的目標大模型的處理過程；或者，使得所述處理器執(zhí)行如上第三方面，和/或第三方面各種可能。

91、第八方面，本技術(shù)實施例提供一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)中存儲有計算機執(zhí)行指令，所述計算機執(zhí)行指令被處理器執(zhí)行時用于實現(xiàn)如上第一方面，和/或第一方面各種可能；或者，所述計算機執(zhí)行指令被處理器執(zhí)行時用于實現(xiàn)如上第二方面，和/或第二方面各種可能的目標大模型的處理過程；或者，所述計算機執(zhí)行指令被處理器執(zhí)行時用于實現(xiàn)如上第三方面，和/或第三方面各種可能。

92、第九方面，本技術(shù)實施例提供一種計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)如上第一方面，和/或第一方面各種可能；或者，該計算機程序被處理器執(zhí)行時實現(xiàn)如上第二方面，和/或第二方面各種可能的目標大模型的處理過程；或者，該計算機程序被處理器執(zhí)行時實現(xiàn)如上第三方面，和/或第三方面各種可能。

93、本技術(shù)實施例提供的基于大模型的多任務(wù)處理方法、目標大模型及設(shè)備，通過將待處理數(shù)據(jù)和目標處理任務(wù)輸入目標大模型，通過目標大模型執(zhí)行如下處理：通過目標大模型中的目標骨干網(wǎng)絡(luò)對待處理數(shù)據(jù)進行特征提取，得到待處理數(shù)據(jù)的第一特征；目標骨干網(wǎng)絡(luò)與待處理數(shù)據(jù)的數(shù)據(jù)模態(tài)關(guān)聯(lián)；然后，通過目標任務(wù)網(wǎng)絡(luò)中的特征提取單元對第一特征進行特征提取，得到待處理數(shù)據(jù)的第二特征；目標任務(wù)網(wǎng)絡(luò)與目標骨干網(wǎng)絡(luò)連接，且目標任務(wù)網(wǎng)絡(luò)為目標處理任務(wù)關(guān)聯(lián)的任務(wù)網(wǎng)絡(luò)，骨干網(wǎng)絡(luò)連接的不同任務(wù)網(wǎng)絡(luò)關(guān)聯(lián)不同的處理任務(wù)；并通過目標任務(wù)網(wǎng)絡(luò)中的任務(wù)處理單元對第二特征執(zhí)行目標處理任務(wù)，得到待處理數(shù)據(jù)的任務(wù)處理結(jié)果。

94、由于在目標大模型中包括多個特征提取單元、以及與每一特征提取單元對應(yīng)的任務(wù)處理單元?；谂c每一任務(wù)對應(yīng)的特征提取單元和任務(wù)處理單元，得到每一任務(wù)處理結(jié)果。并且，在基于目標大模型進行多任務(wù)處理的過程中，不同的骨干網(wǎng)絡(luò)對待處理數(shù)據(jù)中不同數(shù)據(jù)模態(tài)的數(shù)據(jù)進行特征提取第一特征時，各骨干網(wǎng)絡(luò)之間互不影響；各目標處理任務(wù)關(guān)聯(lián)的目標任務(wù)網(wǎng)絡(luò)中的特征提取單元，對第一特征進行特征提取第二特征時，各特征提取單元之間互不影響。各目標處理任務(wù)關(guān)聯(lián)的目標任務(wù)網(wǎng)絡(luò)中的任務(wù)處理單元，對第二特征執(zhí)行該目標處理任務(wù)得到任務(wù)處理結(jié)果時，各任務(wù)處理單元之間互不影響。因此，本實施例可以提供一種基于大模型的多任務(wù)并行的處理方法。進而，每一任務(wù)處理的速度快、效率高。

95、由于在目標大模型中可以包括多個骨干網(wǎng)絡(luò)，且通過目標骨干網(wǎng)絡(luò)與待處理數(shù)據(jù)的數(shù)據(jù)模態(tài)關(guān)聯(lián)，本實施例可以實現(xiàn)同時對多個數(shù)據(jù)模態(tài)的待處理數(shù)據(jù)進行多任務(wù)處理。

96、由于在目標大模型中，每一目標處理任務(wù)關(guān)聯(lián)的目標任務(wù)網(wǎng)絡(luò)中均具有特征提取單元，用于提取該目標任務(wù)網(wǎng)絡(luò)中的任務(wù)處理單元所需要的第二特征，因此，可以更準確的提取出任務(wù)處理單元所需要的語義特征信息，進而得到的任務(wù)處理結(jié)果準確率更高。

97、由于目標處理任務(wù)可以是目標大模型中的1個或多個任務(wù)，且各任務(wù)之間是相互獨立的，因此可以實現(xiàn)僅對待處理數(shù)據(jù)執(zhí)行目標大模型中的部分任務(wù)，提高了模型應(yīng)用的靈活性。