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！

龙图腾网获悉科大讯飞股份有限公司申请的专利奖励模型的训练方法、答案评价方法、装置和设备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：CN117688158B 。

龙图腾网通过国家知识产权局官网在2025-07-22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：202311828971.0，技术领域涉及：G06F16/3329；该发明授权奖励模型的训练方法、答案评价方法、装置和设备是由李亚;梁佳鑫;缪磊;刘权;王士进;魏思;刘聪;胡国平设计研发完成，并于2023-12-26向国家知识产权局提交的专利申请。

本奖励模型的训练方法、答案评价方法、装置和设备在说明书摘要公布了：本发明提供一种奖励模型的训练方法、答案评价方法、装置和设备，该训练方法包括：获取多个样本对，各样本对包括第一样本和第二样本，第一样本包括样本问题和第一样本答案，第二样本包括样本问题和第二样本答案，第一样本答案的目标分数高于第二样本答案的目标分数，目标分数和知识正确性相关，知识正确性为基于知识图谱中与样本问题匹配的目标答案确定的；针对各样本对，将样本对中的第一样本和第二样本输入初始奖励模型中，得到初始奖励模型输出的第一样本的第一评分和第二样本的第二评分；基于第一评分和第二评分，调整初始奖励模型的模型参数得到奖励模型。本发明可以提高对大语言模型输出文本的事实正确性的识别准确度。

本发明授权奖励模型的训练方法、答案评价方法、装置和设备在权利要求书中公布了：1.一种奖励模型的训练方法，其特征在于，包括： 获取多个样本对，各所述样本对包括第一样本和第二样本，所述第一样本包括样本问题和第一样本答案，所述第二样本包括所述样本问题和第二样本答案，所述第一样本答案的目标分数高于所述第二样本答案的目标分数，所述目标分数和知识正确性相关，所述知识正确性为基于知识图谱中与所述样本问题匹配的目标答案确定的； 针对各所述样本对，将所述样本对中的所述第一样本和所述第二样本输入初始奖励模型中，得到所述初始奖励模型输出的所述第一样本的第一评分和所述第二样本的第二评分； 基于所述第一评分和所述第二评分，调整所述初始奖励模型的模型参数，得到奖励模型，所述奖励模型用于对大语言模型输出的答案进行评价； 所述基于所述第一评分和所述第二评分，调整所述初始奖励模型的模型参数，得到奖励模型，包括： 确定所述第一样本答案相对于所述目标答案的第一知识正确性判断结果，和所述第二样本答案相对于所述目标答案的第二知识正确性判断结果； 确定所述第一知识正确性判断结果和所述第二知识正确性判断结果之间的量化差距； 基于所述第一评分、所述第二评分和所述量化差距确定损失信息； 基于所述损失信息调整所述初始奖励模型的模型参数，得到所述奖励模型。

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科大讯飞股份有限公司，其通讯地址为：230088 安徽省合肥市高新开发区望江西路666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”。