煤矿装备运维领域大语言模型指令数据集构建方法OA

为解决煤矿装备运维领域大语言模型训练中的数据稀疏与隐性特征问题,采用安全引导型进化自指令方法构建煤矿装备运维领域指令数据集;通过自指令生成和差异化指令进化,实现训练数据的快速扩充与专家知识的结构化表示,从关键词校验、安全合规、语义去重多个维度进行规则过滤,保障大语言模型训练数据集的构建质量;针对状态评估、设备故障诊断、维修方案制定与预防性维护4类典型运维场景,设计差异化的指令进化策略,使生成数据兼具复杂性与场景适配性;以Qwen2.5-7B为基座模型开展LoRA微调预试验,验证数据集对基座模型领域能力的实际提升效果。结果表明:所构建的数据集在语义一致性指标与主观专业度验证中均表现良好,BERTScore F1值达0.86以上,GPT-Eval逻辑一致性评分达4.48以上;专家安全性评分4.7以上,违规操作过滤达100%,且与RAG+Self-Instruct、DS^(2)-Instruct等垂直领域数据构建方法相比,在安全性与逻辑一致性上具有明显优势;经状态评估数据集微调的模型在状态评估下游任务上的BLEU-4与ROUGE-L较未微调模型分别提升23.5%和28.6%,较通用Alpaca数据集微调模型分别提升12.3%和9.8%,BERTScore提升24.1%,验证了数据集对模型领域能力的提升作用。