검색으로 돌아가기
기록
推理模型训练方法、电子设备、介质及计算机程序产品
발명유효
6조회수
10청구항 · 4 독립항
§ Ⅰ
개요
발명자
纪荣嵘; 任俊楠; 张岩; 郑侠武; 张声传; 曹刘娟
IPC 분류
G06N 3/092 (2023.01)G06N 3/09 (2023.01)G06N 3/094 (2023.01)G06N 3/0475 (2023.01)G06N 3/045 (2023.01)G06N 5/025 (2023.01)G06N 5/04 (2023.01)G06F 16/9032 (2019.01)G06F 16/906 (2019.01)G06F 40/295 (2020.01)G06F 40/30 (2020.01)
本公开提供了一种推理模型训练方法、电子设备、介质及计算机程序产品，涉及计算机技术领域。本公开的推理模型训练方法，包括：获取第一训练数据和第二训练数据；对第二训练数据中的问题进行文本改写，确定改写后的第三训练数据；基于第一训练数据、第二训练数据和第三训练数据，对推理模型进行监督微调，确定第一推理模型；基于第一推理模型，对第四训练数据进行复杂度标定，确定第四训练数据的复杂度标签；对复杂度标签与推理模式进行匹配，确定奖励机制；以及基于奖励机制和第四训练数据，对第一推理模型进行强化学习训练，确定第二推理模型。