龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：北京达佳互联信息技术有限公司
摘要：本公开关于一种奖励模型的训练方法、装置、电子设备及存储介质，涉及人工智能技术领域，该方法包括：获取多个维度中每个维度对应的样本集合，该样本集合包括对应维度下的多个样本，基于每个维度对应的样本集合，对待训练的多个网络模型进行训练，得到每个维度对应的奖励模型，该奖励模型用于在对应维度下评价预训练大语言模型输出的回复文本，对每个维度对应的奖励模型进行融合，得到目标奖励模型，该目标奖励模型用于基于多个维度综合评价预训练大语言模型输出的回复文本。上述方法有效改善了奖励模型的训练效果，能够助力预训练大语言模型在细分维度上的能力演进。
主权项：1.一种奖励模型的训练方法，其特征在于，所述方法包括：获取多个维度中每个维度对应的样本集合，所述样本集合包括对应维度下的多个样本，所述样本包括样本问题、所述样本问题对应的样本回复文本以及所述样本回复文本在对应维度下的标注评价结果，所述维度是用于衡量预训练大语言模型输出的回复文本的质量标准；基于每个维度对应的样本集合，对待训练的多个网络模型进行训练，得到每个维度对应的奖励模型，所述奖励模型用于在对应维度下评价所述预训练大语言模型输出的回复文本的质量，其中，一个样本集合对应一个奖励模型；对每个维度对应的奖励模型进行融合，得到目标奖励模型，所述目标奖励模型用于基于所述多个维度评价所述预训练大语言模型输出的回复文本的综合质量。
全文数据：
权利要求：
百度查询： 北京达佳互联信息技术有限公司 奖励模型的训练方法、装置、电子设备及存储介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号