集思谱需要我帮你解读这件专利吗？
公开（公告）号CN122987958A | 申请号CN202611094998.5 | 专利类型发明专利 |
状态在审 | 国家或地区CN | 申请人北京猿力未来科技有限公司 |
分类号G06F40/35(2020.01), G06N5/025(2023.01), G06N3/092(2023.01), G06N5/04(2023.01) | 申请日2026-07-22 | 公开日2026-10-27 |
发布日期2026-10-27 | 文档 ID84635776575400009 | 源数据页码75 |
专利语言zh | ||
本说明书实施例提供模型训练方法、问答方法以及装置，其中所述模型训练方法包括：获取样本问题和样本问题对应的标签答案；利用初始策略模型，对样本问题进行推理，生成模型输出序列，其中，模型输出序列包括思维链区域和答案区域，思维链区域包括思维链序列，答案区域包括答案序列；对答案序列进行异常模式检测；若不存在异常模式，利用评判模型，基于样本问题和标签答案对答案序列进行正确性评判，得到评判奖励值；基于评判奖励值，对初始策略模型进行强化学习，得到目标策略模型。有效防止模型在训练过程中通过发展欺骗策略来获取虚假高奖励，从而在保证模型推理能力的同时，显著提升强化学习训练的稳定性和最终获得的目标策略模型的回答质量。
附图 1