买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国标准化研究院申请的专利基于实证分析的AI模型元数据管理与优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121167231B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511216607.8，技术领域涉及：G06F18/21；该发明授权基于实证分析的AI模型元数据管理与优化方法是由孙广芝;隋媛;王淑敏设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本基于实证分析的AI模型元数据管理与优化方法在说明书摘要公布了：本发明提供一种基于实证分析的AI模型元数据管理与优化方法，涉及AI模型元数据管理技术领域，本发明通过多源异构元数据的时空戳对齐与融合，构建覆盖模型全阶段的统一元数据视图，解决传统方法中数据孤岛问题，因果发现算法结合了时序约束与硬件感知惩罚项，不仅识别出统计显著的因果关系，还剔除了因硬件环境噪声或时间错位导致的伪相关；基于因果敏感系数的节点分级与差异化算法匹配机制，实现了资源的精准分配；影子环境验证系统通过动态重构生产环境硬件配置，在保障安全性的同时验证策略的有效性；最终，生产环境中的实时监测与反馈形成完整闭环，贯穿始终的基于实证分析的全程数据驱动方法，克服了传统黑箱调参的盲目性。

本发明授权基于实证分析的AI模型元数据管理与优化方法在权利要求书中公布了：1.一种基于实证分析的AI模型元数据管理与优化方法，其特征在于，所述AI模型元数据管理与优化方法包括以下步骤： S1：同步采集当前AI模型在开发、训练和部署阶段的多源异构元数据，并对多源异构元数据进行时空戳对齐，获得元数据融合快照； S2：通过包含时序约束项和硬件感知惩罚项的因果发现算法分析所述元数据融合快照，生成因果图谱； S3：计算因果图谱中各节点的因果敏感系数，基于因果敏感系数对因果图谱中各节点进行等级分级，对等级分级后的节点采用差异化算法获得初始策略集； S4：将初始策略集和元数据融合快照输入影子环境验证系统，获得带置信度评分的有效策略子集和关联因果子图； S5：将有效策略子集和关联因果子图输入生产环境中的当前AI模型，实时监测策略执行后的梯度分布变化和服务质量指标； 在步骤S2中，所述时序约束项的表达公式为： ； ； 其中，和为元数据融合快照中的待分析变量，为有向边，为候选因果假设，为时间约束项，为待分析变量在元数据融合快照中时间戳，为待分析变量在元数据融合快照中时间戳，为系统级容差阈值，为同一集群中GPU卡间的最大时钟偏差，为PTP网络同步误差； 在步骤S2中，所述硬件感知惩罚项的表达公式为： ； 其中，和为元数据融合快照中的待分析变量，为有向边，为候选因果假设，为硬件感知惩罚项，和为预设的衰减系数，为待分析变量和待分析变量所在计算节点之间的网络跳数，为集群中所有待分析变量对所在计算节点之间的最大网络跳数，表示待分析变量和待分析变量所在计算节点之间的NUMA拓扑距离，NUMA为集群中所有待分析变量对所在计算节点之间的最大NUMA距离； 在步骤S2中，包含时序约束项和硬件感知惩罚项的因果发现算法的公式为： ； 其中，为因果图谱中最终因果边的权重，为待分析变量和待分析变量之间的条件独立性检验p值的倒数； 在步骤S3中，所述因果敏感系数的计算公式为： ； 其中，为因果图谱中第个节点的因果敏感系数，为因果图谱中所有节点的总数，为第个节点的入度，为第个节点的出度，为因果图谱中所有边的总数，为因果图谱中时序约束项达标的因果边的数量，为第个节点的硬件惩罚项。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国标准化研究院，其通讯地址为：100191 北京市海淀区知春路4号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。