一种结合奖励模型的大模型路由方法及装置

本发明提出一种结合奖励模型的大模型路由方法及装置，涉及人工智能模型动态路由技术领域，其中，方法包括：获取用户输入的问题，并根据用户权限和预设的优先规则确定候选模型集合；通过敏感检测模型对所述问题进行敏感信息判断，若检测到敏感信息则直接返回预设答案，否则进入下一步；基于路由函数对所述候选模型集合中的各模型进行奖励评估，所述路由函数通过知识蒸馏技术训练，以KL散度作为损失函数优化模型选择策略；根据所述路由函数的评估结果，将所述问题动态分发至奖励值最高的目标模型进行推理，并输出所述目标模型的处理结果。本发明能够有效降低大模型集成的计算开销，提升路由决策的智能化水平，显著提高系统资源利用率和响应效率。