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！

龙图腾网获悉粤港澳大湾区数字经济研究院(国际先进技术应用推进中心(深圳))申请的专利策略模型训练方法、装置、介质及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：CN120996205B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511502437.X，技术领域涉及：G06N5/04；该发明授权策略模型训练方法、装置、介质及设备是由谭维;杨杰;幺宝刚设计研发完成，并于2025-10-21向国家知识产权局提交的专利申请。

本策略模型训练方法、装置、介质及设备在说明书摘要公布了：本申请实施例公开了一种策略模型训练方法、装置、介质及设备，获取输入文本对应的提示词并将提示词输入至初始策略模型，得到第一预设数量的初始回答；将提示词、每个初始回答输入至预设评估模型，得到每个初始回答的评估结果；根据评估结果，从初始回答中筛选出第二预设数量的待修改回答；将每个待修改回答输入至初始策略模型，基于修改要求输出第二预设数量的优化回答；以第一预设数量的初始回答以及第二预设数量的优化回答构建所述提示词的回答组群，基于所述回答组群中每个目标回答的组内奖励值对初始策略模型进行训练，得到训练后的策略模型。可缩短模型自我探索时的探索路径，减少计算机资源占用，提高处理能力，提升策略模型的推理准确性。

本发明授权策略模型训练方法、装置、介质及设备在权利要求书中公布了：1.一种策略模型训练方法，其特征在于，包括： 获取输入文本对应的提示词并将所述提示词输入至初始策略模型，得到所述初始策略模型输出的第一预设数量的初始回答； 将所述提示词、每个所述初始回答，输入至预设评估模型，得到每个所述初始回答的评估结果； 根据所述评估结果，从所述初始回答中筛选出第二预设数量的待修改回答； 将所述每个所述待修改回答输入至所述初始策略模型，基于修改要求输出每个所述待修改回答修改后的优化回答，得到第二预设数量的优化回答； 以所述第一预设数量的初始回答以及所述第二预设数量的优化回答构建所述提示词的回答组群，计算所述回答组群中每个目标回答的组内奖励值； 通过每个所述目标回答的组内奖励值，确定每个所述目标回答在所述回答组群中的相对优势值； 根据每个所述目标回答的相对优势值以及KL散度，计算强化学习算法的目标函数； 运行最大化所述目标函数的梯度上升算法更新所述初始策略模型的参数，得到训练后的策略模型。

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粤港澳大湾区数字经济研究院(国际先进技术应用推进中心(深圳))，其通讯地址为：518045 广东省深圳市福田区福保街道市花路长富金茂大厦1号楼3901单元；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。