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！

龙图腾网获悉厦门大学申请的专利推理模型训练方法、电子设备、介质及计算机程序产品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：CN121351923B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202511919391.1，技术领域涉及：G06N3/092；该发明授权推理模型训练方法、电子设备、介质及计算机程序产品是由纪荣嵘;任俊楠;张岩;郑侠武;张声传;曹刘娟设计研发完成，并于2025-12-18向国家知识产权局提交的专利申请。

本推理模型训练方法、电子设备、介质及计算机程序产品在说明书摘要公布了：本公开提供了一种推理模型训练方法、电子设备、介质及计算机程序产品，涉及计算机技术领域。本公开的推理模型训练方法，包括：获取第一训练数据和第二训练数据；对第二训练数据中的问题进行文本改写，确定改写后的第三训练数据；基于第一训练数据、第二训练数据和第三训练数据，对推理模型进行监督微调，确定第一推理模型；基于第一推理模型，对第四训练数据进行复杂度标定，确定第四训练数据的复杂度标签；对复杂度标签与推理模式进行匹配，确定奖励机制；以及基于奖励机制和第四训练数据，对第一推理模型进行强化学习训练，确定第二推理模型。

本发明授权推理模型训练方法、电子设备、介质及计算机程序产品在权利要求书中公布了：1.一种推理模型训练方法，其特征在于，包括： 获取第一训练数据和第二训练数据，所述第一训练数据包括多步推理作答的问题，所述第二训练数据包括单步计算或单一推理逻辑作答的问题； 对所述第二训练数据中的问题进行文本改写，确定改写后的第三训练数据； 基于所述第一训练数据、所述第二训练数据和所述第三训练数据，对推理模型进行监督微调，确定第一推理模型； 基于所述第一推理模型，对第四训练数据进行复杂度标定，确定所述第四训练数据的复杂度标签，所述第四训练数据用于构建强化学习训练的状态空间与奖励基准； 对所述复杂度标签与推理模式进行匹配，确定奖励机制，所述推理模式包括生成中间推理链或直接作答；以及， 基于所述奖励机制和所述第四训练数据，对所述第一推理模型进行强化学习训练，确定第二推理模型； 其中，基于所述第一推理模型，对第四训练数据进行复杂度标定，确定所述第四训练数据的复杂度标签，包括： 基于直接作答的推理模式，所述第一推理模型重复生成第四训练数据对应的答案； 基于所述答案和重复生成所述答案的次数，确定所述第四训练数据的平均准确率； 当所述平均准确率大于或等于阈值，确定所述第四训练数据的复杂度标签为简单，当所述平均准确率小于所述阈值，确定所述第四训练数据的复杂度标签为复杂； 其中，对所述复杂度标签与推理模式进行匹配，确定奖励机制，包括： 对所述复杂度标签与推理模式进行匹配，确定基础奖励和额外奖励； 基于所述基础奖励和所述额外奖励，确定奖励机制。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。

以上内容由龙图腾AI智能生成。