对抗场景下的模型训练方法、系统及计算机可读存储介质

本申请公开一种对抗场景下的模型训练方法、系统及计算机可读存储介质，涉及人工智能领域。方法包括：获取规则引擎的对局局面信息，生成观察状态；依据局面信息获取合法动作和合法动作掩码；基于所述观察状态信息，选定待执行合法动作并执行，之后更新规则引擎中的局面信息；基于更新后局面计算即时奖励与回合终止标记；当回合终止时，获取最近K个训练损失与性能评估记录，计算损失趋势值与性能评估趋势值；若损失趋势值大于等于0且性能评估趋势值小于等于0，则终止训练循环。本申请解决了因人工编辑规则样本有限、边界条件无法穷举而难以支撑大规模迭代优化的问题，提升了决策泛化能力，实现了博弈策略自主迭代升级。