用于大模型分层计算的判定方法及装置、电子设备制造方法及图纸

本申请涉及智慧家庭技术领域，公开一种用于大模型分层计算的判定方法，包括：对大模型的多层子模型的计算任务的任务因素进行量化评分；其中，任务因素包括任务复杂性参数、设备计算能力参数、数据传输需求参数、实时性需求参数、并发处理需求参数、网络稳定性参数和任务紧急程度参数中的多种；对多个任务因素的评分进行加权求和，获得任务总分；在任务总分超过设定阈值的情况下，将计算任务分配至不同的家电计算设备，以实现大模型分层计算。对任务因素进行量化评分，通过计算出的总分与设定的阈值相比较，这样能够根据计算任务获得不同的分层策略，将计算任务分配至不同的家电计算设备。

【技术实现步骤摘要】

本申请涉及智慧家庭，具体而言，涉及一种用于大模型分层计算的判定方法及装置、电子设备。

技术介绍

1、目前，随着物联网和人工智能技术的不断发展，越来越多的智能设备被应用到家庭环境中，智能设备需要执行的任务也越来越复杂。如何对任务进行处理和优化是当前关键的问题。尤其，当任务难以在同一设备执行时，需要将任务分层，并分配至不同设备。因此，需要对任务进行评估，以判断任务是否需要分层。

2、为了判断任务是否需要分层，相关技术公开了一种调度算法，基于经验或者特定设备的特性来进行判断。可能会考虑设备的计算能力和任务的复杂性，也可能会根据数据传输需求和网络稳定性来优化数据的传输路径。

3、在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：

4、相关技术虽然可以根据任务的复杂性进行判断，但是忽略了与任务相关的其他的参数，导致无法准确地评估任务是否需要分层计算。

5、需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本申请的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。</p>
...

【技术保护点】

1.一种用于大模型分层计算的判定方法，其特征在于，包括：

2.根据权利要求1所述的判定方法，其特征在于，对多个任务因素的评分结果进行加权求和，获得任务总分，包括：

3.根据权利要求2所述的判定方法，其特征在于，按照如下方式获得元学习模型：

4.根据权利要求1所述的判定方法，其特征在于，按照如下方式对任务复杂性参数进行量化评分：

5.根据权利要求1所述的判定方法，其特征在于，按照如下方式对设备计算能力参数进行量化评分：

6.根据权利要求1所述的判定方法，其特征在于，按照如下方式获得设定阈值：

7.根据权利要求1至6任一...

【技术特征摘要】

1.一种用于大模型分层计算的判定方法，其特征在于，包括：

2.根据权利要求1所述的判定方法，其特征在于，对多个任务因素的评分结果进行加权求和，获得任务总分，包括：

3.根据权利要求2所述的判定方法，其特征在于，按照如下方式获得元学习模型：

4.根据权利要求1所述的判定方法，其特征在于，按照如下方式对任务复杂性参数进行量化评分：

5.根据权利要求1所述的判定方法，其特征在于，按照如下方式对设备计算能力参数进行量化评分：

6.根据权利要求1所述的判定方法，其特征在于，按照如下方式获得设定阈值：

7.根据权利要求...

【专利技术属性】
技术研发人员：杜永杰，田云龙，窦方正，赵辰，陈天璐，陶冶，
申请(专利权)人：青岛海尔科技有限公司，
类型：发明
国别省市：