用于模型训练的方法、装置、设备、存储介质和程序产品

提供了用于模型训练的方法、装置、设备、存储介质和程序产品。该方法包括：获取训练任务对应的训练轨迹数据；确定针对训练轨迹数据的多个奖励函数配置，多个奖励函数配置与训练任务的类型相关，训练任务的类型包括以下至少一项：与物理环境交互相关的模型训练任务、与工具调用相关的模型训练任务，或与推理过程相关的模型训练任务；基于多个奖励函数配置，针对训练轨迹数据执行奖励计算，以得到多个奖励计算值；对多个奖励计算值执行统一尺度转换，以获得多个奖励计算结果；以及基于多个奖励计算结果，确定奖励数据，奖励数据用于在训练任务中更新模型的参数。