CN120278397A 一种基于强化学习的智能评测模型动态优化方法 （数据堂（北京）科技股份有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120278397A(43)申请公布日2025.07.08

(21)申请号202510752294.1

(22)申请日2025.06.06

GO6N3/092(2023.01)

(71)申请人数据堂(北京)科技股份有限公司

地址100080北京市海淀区宝盛南路1号院

11号楼1层101-01

(72)发明人齐红威王大亮何鸿凌

(74)专利代理机构郑州欧凯专利代理事务所(普通合伙)41166

专利代理师王志兴

(51)Int.CI.

GO6Q10/063(2023.01)

G06050/20(2012.01)

GO6N3/045(2023.01)

GO6N3/0442(2023.01)

GO6N3/084(2023.01)

权利要求书3页说明书12页附图5页

(54)发明名称

一种基于强化学习的智能评测模型动态优

化方法

(57)摘要

CN120278397A本申请涉及智能评测技术领域，其具体地公开了一种基于强化学习的智能评测模型动态优化方法，其根据学生对象的历史交互数据对基础智能评测模型及其通用参数进行微调，以更新后的模型参数对学生对象的当前交互数据进行预测，通过计算基准预测结果与真实交互之间的基准预测误差，并整合学生对象的近期表现统计特征、当前个性化调整参数作为当前强化学习(RL)状态，使用RLAgent策略网络选择调整动作，基于调整动作计算并更新该学生对象的个性化调整参数。该方法针对每个学生个体的实时学习状态进行个性化调整，既保证了基础模型的稳定性

CN120278397A

获取第一学生对象的当前交互数据以及所述第

获取第一学生对象的当前交互数据以及所述第一学生对象的历史交互序列

使用基础智能评测模型及其通用参数，基于所述第一学生对象的历史交互序列对所述当前交互数据进行预测以得到基准预测结果

计算所述基准预测结果与真实交互之间的基准预测误差，并整合

所述基准预测误差、近期表现统计特征和当前个性化调整参数以

得到当前RL状态

将所述当前RL状态输入RLAgent策略网络以得到选择的调整动作

S5

基于所述选择的调整动作，计算新的个性化调整参数

CN120278397A权利要求书1/3页

2

1.一种基于强化学习的智能评测模型动态优化方法，其特征在于，包括：

获取第一学生对象的当前交互数据以及所述第一学生对象的历史交互序列；

使用基础智能评测模型及其通用参数，基于所述第一学生对象的历史交互序列对所述当前交互数据进行预测以得到基准预测结果；

计算所述基准预测结果与真实交互之间的基准预测误差，并整合所述基准预测误差、近期表现统计特征和当前个性化调整参数以得到当前RL状态；

将所述当前RL状态输入RLAgent策略网络以得到选择的调整动作；

基于所述选择的调整动作，计算新的个性化调整参数。

2.根据权利要求1所述的基于强化学习的智能评测模型动态优化方法，其特征在于，所述选择的调整动作包括直接输出新的个性化调整参数、输出个性化调整参数调整量、选择预定义调整策略和不做调整。

3.根据权利要求1所述的基于强化学习的智能评测模型动态优化方法，其特征在于，基于所述选择的调整动作，计算新的个性化调整参数，包括：

响应于所述选择的调整动作为输出个性化调整参数调整量；

将所述输出个性化调整参数调整量与所述当前个性化调整参数进行融合以得到所述新的个性化调整参数。

4.根据权利要求1所述的基于强化学习的智能评测模型动态优化方法，其特征在于，使用基础智能评测模型及其通用参数，基于所述第一学生对象的历史交互序列对所述当前交互数据进行预测以得到基准预测结果，包括：

将所述第一学生对象的历史交互序列中的各个交互数据依次输入具有通用参数的基础智能评测模型以得到更新输出权重和偏置定义作为更新通用参数；

将所述当前交互数据输入具有更新通用参数的基础智能评测模型以得到所述基准预测结果。

5.根据权利要求3所述的基于强化学习的智能评测模型动态优化方法，其特征在于，将所述输出个性化调整参数调整量与所述当前个性化调整参数进行融合以得到所述新的个性化调整参数，包括：

对所述输出个性化调整参数调整量和所述当前个性化调整参数进行结构化编码以得到参数调整