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！

龙图腾网获悉苏州元脑智能科技有限公司申请的专利奖励模型的构建方法及推理模型的构建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：CN121052328B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202511573739.6，技术领域涉及：G06N3/092；该发明授权奖励模型的构建方法及推理模型的构建方法是由马嘉威;李令君;吴韶华设计研发完成，并于2025-10-30向国家知识产权局提交的专利申请。

本奖励模型的构建方法及推理模型的构建方法在说明书摘要公布了：本申请公开了一种奖励模型的构建方法及推理模型的构建方法，涉及计算机技术领域，该方法包括：获取奖励模型训练数据集；利用训练数据集对预构建的初始奖励模型进行一级迭代训练，获取一级奖励模型；根据每一个样本问题分别对应的多个答案以及与每一个答案分别对应的至少一个评估指标值，对奖励模型训练数据集进行分组，获取至少两个子训练数据集；至少利用第一子训练数据集和第二子训练数据集对一级奖励模型进行迭代训练，获取最终奖励模型。通过本申请，通过三级迭代训练，使得最终奖励模型能够基于评估标准对样本问题进行准确评估，在为输入问题评估的同时提供了评估依据。

本发明授权奖励模型的构建方法及推理模型的构建方法在权利要求书中公布了：1.一种奖励模型的构建方法，其特征在于，所述方法包括： 获取奖励模型训练数据集，其中，所述奖励模型训练数据集包括多种类型数据中每一种类型数据分别对应的多个样本问题、与每一个所述样本问题分别对应的多个答案、与每一个所述答案分别对应的至少一个评估指标值，以及每一个所述样本问题分别对应的评估标准； 利用所述训练数据集对预构建的初始奖励模型进行一级迭代训练，获取一级奖励模型，其中，所述一级奖励模型输出结果包括评估指标值和评估标准； 根据每一个所述样本问题分别对应的多个答案以及与每一个所述答案分别对应的至少一个评估指标值，对所述奖励模型训练数据集进行分组，获取至少两个子训练数据集，其中，多个所述答案均包括参考答案和其他答案，至少两个子训练数据集中包括参考答案的评估指标值高于所述其他答案的评估指标值的第一子训练数据集，以及包括参考答案的评估指标值低于至少一个所述其他答案的评估指标值的第二子训练数据集； 至少利用所述第一子训练数据集和所述第二子训练数据集对所述一级奖励模型进行迭代训练，获取最终奖励模型； 所述至少利用所述第一子训练数据集和所述第二子训练数据集对所述一级奖励模型进行迭代训练，获取最终奖励模型，包括： 利用所述第一子训练数据集对所述一级奖励模型进行二级迭代训练，获取二级奖励模型； 以及，利用所述第二子训练数据集对所述二级奖励模型进行三级迭代训练，获取三级奖励模型，将所述三级奖励模型作为最终奖励模型； 所述利用所述第二子训练数据集对所述二级奖励模型进行三级迭代训练，获取三级奖励模型，将所述三级奖励模型作为最终奖励模型，包括： 在所述三级迭代训练的当前训练轮次，将第二样本问题，以及所述第二样本问题对应的每一个所述答案输入至所述二级奖励模型，获取与所述第二样本问题对应的每一个所述答案的预测指标值，其中，第二样本问题为所述第二子训练数据集中的一个样本问题； 根据与所述第二样本问题对应的第i个答案的预测指标值以及与所述第二样本问题对应的评估标准，确定与所述第i个答案对应的奖励值，其中，i为正整数； 当获取到所述第二子训练数据集中每一个样本问题分别对应的每一个答案的奖励值后，根据所有所述答案分别对应的奖励值，确定组相对策略优化目标函数值； 当根据所述组相对策略优化目标函数值，确定达到预设停止迭代条件时，获取所述最终奖励模型； 或者， 当根据所述组相对策略优化目标函数值，确定未达到所述预设停止迭代条件时，根据所述组相对策略优化目标函数值，调整所述二级奖励模型，进入下一训练轮次，直至达到所述预设停止迭代条件，获取所述最终奖励模型。

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苏州元脑智能科技有限公司，其通讯地址为：215000 江苏省苏州市吴中经济开发区综保区经一路1号8幢；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。