温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。

本发明提供一种强化学习模型的训练方法及装置，其中所述方法包括：将经过文本预训练得到的预训练大语言模型进行指令微调，生成监督学习大语言模型，基于监督学习大语言模型模型，分别形成对应的初始奖励模型、语言模型和打分模型；根据提示的问题，经过初始的...
该专利属于上海壁仞科技股份有限公司所有，仅供学习研究参考，未经过上海壁仞科技股份有限公司授权不得商用。

详细技术文档下载地址

温馨提示：您尚未登录，请点 登陆 后下载，如果您还没有账户请点 注册 ，登陆完成后，请刷新本页查看技术详细信息。