買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京車網科技發展有限公司申請的專利一種交通多模態大語言模型的云路協同學習方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119692471B 。

龍圖騰網通過國家知識產權局官網在2025-09-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411757238.9，技術領域涉及：G06N5/04；該發明授權一種交通多模態大語言模型的云路協同學習方法是由鄒宇;李峰;馬雙明;陳瀚設計研發完成，并于2024-12-03向國家知識產權局提交的專利申請。

本一種交通多模態大語言模型的云路協同學習方法在說明書摘要公布了：本發明實施例涉及一種交通多模態大語言模型的云路協同學習方法，所述方法包括：構建交通多模態大語言模型并訓練、將其在云端記為云端重模型；對其進行壓縮并將壓縮模型同時部署在路側和云端記為路側云端輕模型；路側將實時數據輸入路側輕模型進行視覺目標檢測和交通狀況識別處理并由將模型輸入輸出數據送至云端；云端將路側模型輸入數據輸入云端重模型進行視覺目標檢測和交通狀況識別處理并由路側云端模型的輸入輸出數據組成路側?云端記錄并保存；云端定期按知識蒸餾方法基于路側?云端記錄組成的數據集對云端輕模型進行更新并將更新前后的參數差送至路側；路側基于云端送至的參數差更新路側輕模型。基于本發明可以提高路側模型性能。

本發明授權一種交通多模態大語言模型的云路協同學習方法在權利要求書中公布了：1.一種交通多模態大語言模型的云路協同學習方法，其特征在于，所述方法包括： 構建交通多模態大語言模型；并按監督訓練方式基于預設的模型訓練數據集對所述交通多模態大語言模型進行首輪訓練；并在首輪訓練結束后，將所述交通多模態大語言模型部署在云端服務器上記為對應的云端重模型；并基于預設的剪枝規則對所述交通多模態大語言模型進行模型壓縮得到對應的壓縮模型；并將所述壓縮模型同時部署在路側設備和所述云端服務器上記為對應的路側輕模型和云端輕模型；其中，所述交通多模態大語言模型用于根據輸入的路側多模態數據集和場景識別指令文本進行視覺目標檢測和交通狀況識別處理并輸出對應的目標檢測圖和場景識別文本；所述云端重模型的模型參數θM與所述壓縮模型的模型參數θS之間的參數壓縮關系記為FM-S，θS＝FM-SθM； 所述路側設備將預設的場景識別指令范本作為對應的第一場景識別指令文本；并將實時的第一路側多模態數據集和所述第一場景識別指令文本輸入所述路側輕模型進行視覺目標檢測和交通狀況識別處理得到對應的第一目標檢測圖和第一場景識別文本；并由所述第一路側多模態數據集、所述第一場景識別指令文本、所述第一目標檢測圖和所述第一場景識別文本組成對應的第一路側反饋向所述云端服務器發送； 所述云端服務器每收到一個所述第一路側反饋，就將當前反饋中的所述第一路側多模態數據集和所述第一場景識別指令文本輸入所述云端重模型進行視覺目標檢測和交通狀況識別處理得到對應的第二目標檢測圖和第二場景識別文本組成對應的第一云端反饋；并由當前的所述第一路側反饋和所述第一云端反饋組成一個對應的路側-云端記錄并保存； 所述云端服務器按預設的第一時間頻率定期將最近第一預設時長內保存的所有所述路側-云端記錄組成對應的第一數據集；并將所述云端輕模型的當前模型參數存為更新前參數θX；并按知識蒸餾方法根據所述第一數據集對所述云端輕模型進行模型參數更新得到對應的更新后參數并基于所述更新前參數θX和所述更新后參數確認對應的參數差并將所述參數差△θX向所述路側設備發送； 所述路側設備每收到一個所述參數差△θX，就將所述路側輕模型的當前模型參數記為更新前參數并基于所述更新前參數和所述參數差△θX確認對應的更新后參數并基于所述更新后參數對所述路側輕模型的模型參數進行更新。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京車網科技發展有限公司，其通訊地址為：100176 北京市大興區經濟技術開發區榮華中路10號1幢18層1801-2；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。