问答模型训练方法、文本处理方法及奖励模型训练方法

本说明书实施例提供问答模型训练方法、文本处理方法及奖励模型训练方法，其中所述问答模型训练方法包括：在问答样本对中提取样本问题，并确定所述样本问题对应的思维链数据；利用所述思维链数据将所述样本问题更新为目标样本问题，并将所述目标样本问题输入至初始问答模型进行处理，获得预测答案；利用所述初始问答模型关联的奖励模型根据所述问答样本对中的样本答案，对所述预测答案进行打分，获得优化分值；基于所述优化分值对所述初始问答模型进行调参，直至获得满足训练停止条件的目标问答模型。