一种模型优化方法、装置、电子设备和存储介质

本申请提供了一种模型优化方法、装置、电子设备和存储介质，该方法应用于人工智能技术领域，该方法包括：获取待优化的策略模型对应的在策略优势估计以及策略模型对应的历史统计信息，基于历史统计信息确定历史优势估计和置信度权重，采用置信度权重对在策略优势估计和历史优势估计进行加权求和，得到目标优势估计，基于目标优势估计对策略模型进行更新。该方法能够在信息坍塌场景下，保证策略模型的优化过程持续进行，且可以大幅度抑制在策略优势估计的波动，使得策略模型的优化过程更加平稳，从而加速策略模型的收敛，并提高策略模型的性能。