一种基于文化旅游场景的大模型训练方法

本申请公开了一种基于文化旅游场景的大模型训练方法，具体实现方案为：从数据库中提取垂直语料，构建初始数据集，从初始数据集中提取实体、关系，构建文旅知识图谱；基于人工标注和文旅知识图谱生成问答对，将问答对输入至奖励模型RM输出质量评分，实现对奖励模型RM的初始化训练；利用知识校验大模型提升问答对的交互，形成新问答对；利用完成初始化训练的奖励模型RM对新问答对进行评分，过滤低分样本，将过滤后得到的高分样本作为强化学习的训练样本；使用强化学习的训练样本对微调奖励模型RM，并基于KL散度更新奖励模型RM参数。本申请能够提升模型在文旅场景中的专业度；提升模型对模糊输入的语义解析与多轮引导能力；平衡新旧知识融合。