原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于大模型的强化学习模型训练方法、电子设备及存储介质。该基于大模型的强化学习模型训练方法采用至少两个处理单元实现，包括：获取提示词集合；将所述提示词集合划分为与所述处理单元的数量相一致的至少两个提示词子集合，在每个处理单元上基于相应的提示词子集构建强化学习数据子集，基于全部所述强化学习用数据子集构建强化学习数据集；基于所述强化学习数据集对所述强化学习模型的策略网络以及评判网络进行训练。通过应用本方案，可以解决现有的强化学习框架根据提示词构造数据阶段费时，严重拖慢训练速度的技术问题
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117764202A
(43)申请公布日2024.03.26
(21)申请号202311871348.3
(22)申请日2023.12.31
(71)申请人上海阶跃星辰智能科技有限公司
地址
文档评论（0）