来源：期刊VIP网 时间：
作者：程朝;李金栋;张国伟;
单位：天津科技大学轻工科学与工程学院;
摘要：大型语言模型（Large Language Model,LLM）在处理常规语言指令方面表现出色，但是处理印刷领域相关专业问题的能力还有待提升。本研究通过构建高质量的印刷领域微调数据集对开源LLM进行微调优化，利用清晰的微调提示词引导模型生成符合期望的回答。基于此，设计了一个针对印刷领域应用场景的服务型LLM，借助定制化训练提高其在印刷领域的表现能力。该过程主要涉及两项关键工作：通过收集、清洗、标注和扩增数据等方法，构建一个印刷领域微调数据集；选择Qwen-7B-Chat作为基座模型进行监督式微调，结合LoRA方法以实现参数高效的任务适应，并借助AdamW优化器策略对LLM的微调训练过程进行优化。验证结果表明，微调后的Qwen-7B-Chat模型相较原模型在回答长度上提升了约302.92%，并在回答质量评估环节保持了更高的满意率。
关键词：垂直领域大模型;;印刷领域;;监督式微调;;LoRA;;AdamW
