一种政务群体相对策略优化方法、装置、设备及介质

本发明公开了一种政务群体相对策略优化方法、装置、设备及介质。其中，该方法包括：构建政务敏感词库和包括多个政务提问的训练集；利用自然语言模型和政务敏感词库确定训练集对应的响应集；确定响应集中每个回复对应的目标类型奖励，根据目标类型奖励确定每个回复对应的优势；其中，目标类型奖励包括安全性奖励，安全性奖励用于评估回复内容的安全性；根据每个回复对应的优势和KL散度惩罚偏差对自然语言模型进行更新；其中，KL散度惩罚偏差基于基础参考模型和安全参考模型进行建立。本技术方案，无需依赖外部能力，在尽量不额外增加模型训练计算量的前提下，在模型训练过程中进行多重安全防护，提高了模型输出内容的安全性与可靠性。