大模型强化学习训练系统和方法

本申请实施例提供大模型强化学习训练系统和方法，涉及人工智能技术领域。系统的硬件抽象层包括设备管理器、内存池和通信引擎，算法实现层包括算法工厂、模型容器和流水线生成器，用户层包括配置文件、CLI工具。其中，利用硬件抽象层进行统一化适配来支持多种计算设备的注册，根据用户的硬件需求自动选取适配设备，内存池为计算设备生成统一内存空间确保数据在多计算设备之间正常传递，通信引擎实现不同设备通信协议的转换。其次，算法工厂集成多种强化学习算法，并与模型容器对应，用户通过配置文件选择所需算法与模型，无需修改底层代码即可调用对应模块并生成适配的训练流水线。提升硬件适配能力和软件兼容性，扩展强化学习训练的适用场景。