计算机科学与探索

作者：许德龙, 林民, 王玉荣, 张树钧

单位：1. 内蒙古师范大学 计算机科学技术学院，呼和浩特 0100222. 内蒙古师范大学 数学科学学院，呼和浩特 0100223. 内蒙古师范大学 文学院，呼和浩特 010022

关键词：数据增强方法,大语言模型,自然语言处理,深度学习,人工智能

基金：国家自然科学基金（62266033）；内蒙古自然科学基金（2021LHMS06010）；无穷维哈密顿系统及其算法应用教育部重点实验室（内蒙古师范大学）开放课题（2023KFZD03）；内蒙古师范大学研究生科研创新基金（CXJJB23011）。

当前，大语言模型在自然语言处理（NLP）领域展现出巨大的潜力，但其训练过程依赖于大量高质量样本。在低资源场景下，随着模型规模不断扩大，现有数据样本数量难以支撑模型训练收敛，这一问题激发了相关领域科研工作者对于数据增强方法的研究。然而，传统数据增强方法在NLP领域大模型背景下存在应用范围有限和数据失真的问题。相比之下，基于大语言模型的数据增强方法能够更有效地应对这一挑战。全面探讨了现阶段NLP领域大语言模型数据增强方法，采用了综合性的视角研究NLP领域数据增强。对NLP领域传统数据增强方法进行分析与总结。将现阶段NLP领域多种大语言模型数据增强方法归纳总结，并深入探讨了每一种方法的适用范围、优点以及局限性。介绍了NLP领域数据增强评估方法。通过对当前方法的对比实验和结果分析讨论了NLP领域大语言模型数据增强方法的未来研究方向，并提出了前瞻性建议。

来源：2025年第6期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2025年第6期