一种信息处理的方法、装置、设备和存储介质

本公开的实施例涉及一种信息处理的方法、装置、设备和存储介质。在此提出的方法包括：获取针对策略模型的训练输入；基于所述策略模型在训练过程中的性能指标，确定所述策略模型的最大输出长度；获取所述策略模型根据所述最大输出长度输出的第一结果；以及基于所述第一结果和第二结果的比较，调整所述策略模型的参数，所述第二结果由第一参考模型基于所述训练输入所生成。以此方式，本公开的实施例能够利用连续最大化策略，动态调整输出长度，生成更详细和分析性的内容，从而提升模型表现。