本发明提出了基于NLP大模型的模型训练方法，方法包括：基于深度学习构建一个可变形态模型；设计增强学习算法，实施动态奖励机制实现自适应反馈，根据可变形态模型的实时表现调整奖励和惩罚；引入元学习策略，设计高维任务适应器对可变形态模型进行训练；根据元学习策略训练后的可变形态模型，设计使用任务相关性分数调整任务间的优先级和相关性，再动态调整训练资源分配实现多任务优化；对已训练好的可变形态模型实施对抗性多语言学习方法，用于促进高资源语言到低资源语言的知识迁移。本发明系统性地构建了一个高效且自适应的多任务、多语言NLP模型训练系统，实现确保了模型在训练、优化及应用阶段的连续性和协同性。