模型训练方法及装置、电子设备、存储介质和程序产品

本公开涉及一种模型训练方法及装置、电子设备、存储介质和程序产品，涉及人工智能技术领域，所述方法包括：获取文本模型的思维链；根据所述思维链确定奖励结果，所述奖励结果至少包括与所述思维链质量相关的第一奖励；根据所述奖励结果更新所述文本模型的参数。本公开实施例可更有效地优化文本模型的推理过程本身，提升了文本模型的推理能力和学习效率。