虚拟智能体的训练方法、装置、计算设备及存储介质

本说明书实施例提供虚拟智能体的训练方法、装置、计算设备及存储介质，其中虚拟智能体的训练方法包括：获取样本对象数据，其中，所述样本对象数据包括多个时间步的样本对象状态数据、样本对象动作数据以及样本对象奖励数据；将所述多个时间步的样本对象状态数据输入所述虚拟智能体中的初始评价网络，获得每个时间步对应的评价值，其中，所述评价值用于评估每个时间步的样本对象状态数据的价值；根据每个时间步的样本对象奖励数据和评价值，确定每个时间步对应的调参信息；根据所述调参信息、所述每个时间步的样本对象奖励数据和评价值，训练所述初始策略网络和所述初始评价网络，直至满足预设训练停止条件，获得目标策略网络和目标评价网络。