用于数据处理的方法、装置、设备、存储介质和程序产品

根据本公开的实施例，提供了用于数据处理的方法、装置、设备、存储介质和程序产品。该方法包括：获取轨迹数据序列，轨迹数据序列对应于多个类型的强化学习任务中的至少一个类型，轨迹数据序列包括与交互过程中的多个步骤分别对应的步骤数据；基于轨迹数据结构，对轨迹数据序列进行封装，得到标准化轨迹数据，轨迹数据结构包括统一步骤表示以及与统一步骤表示相关联的多个数据区域，统一步骤表示包括与多个类型分别对应的类型特定字段，多个数据区域分别用于记录步骤数据中由不同处理阶段产生的部分；以及提供标准化轨迹数据，以作为模型训练的训练样本。