本申请公开了大语言模型强化学习训练的熵坍塌抑制方法、装置、设备及介质，涉及问答大语言模型技术领域，包括：确定目标策略模型在预设并行环境下进行强化学习训练时的当前熵值；若当前熵值大于预设熵值阈值，通过目标策略模型确定第一工具调用序列信息；...