大尺度重叠问题在实际工程应用中普遍存在，由于共享变量的存在，优化挑战被大大放大。基于分解的协同进化（CC）算法在解决大规模重叠问题方面表现出了良好的性能。然而，某些为重叠问题设计的新CC框架依赖分组方法来识别重叠问题结构，而当前用于大规模重叠问题的分组方法未能同时考虑准确性和效率。为了解决上述问题，提出了一种用于大规模重叠问题的两阶段差分分组（TSDG）方法，该方法在显著降低计算资源消耗的同时实现了精确的分组。第一阶段，采用基于有限差分原理的分组方法，有效识别所有子成分和共享变量。为了提高分组的稳定性和准确性，第二阶段提出了一种分组细化方法，用于检查前一阶段获得的子成分和共享变量的信息，并纠正不准确的分组结果。基于这两个阶段的协同作用，TSDG实现了大规模重叠问题的高效准确分解。大量实验结果表明，TSDG能够准确地对大规模重叠问题进行分组，同时消耗更少的计算资源。在优化实验中，与用于大规模重叠问题的最新算法相比，TSDG显示出优越的性能。