模型训练方法、装置、计算机设备和存储介质

本申请涉及一种模型训练方法、装置、计算机设备和存储介质。所述方法包括：获取评论模型、语言模型和奖励模型；基于预设的正负样本对对奖励模型进行训练，获得训练后的奖励模型；基于训练后的奖励模型对评论模型和语言模型进行多轮次训练，并在多轮次训练过程的当前轮次中，将预设的第一模型指令输入至当前轮次待训练的语言模型，获得第一模型指令对应的预测回复内容；调用训练后的奖励模型和当前轮次待训练的评论模型分别对预测回复内容进行评分，获得第一评分结果和第二评分结果；基于第一评分结果和第二评分结果，对当前轮次待训练的评论模型和语言模型各自的适配器的参数分别进行调整。采用本方法能够节约资源。