大语言模型和强化学习模型的协同方法和装置

本公开涉及大语言模型领域，尤其涉及一种大语言模型和强化学习模型的协同方法和装置，确定开放世界的智能体对应的基本信息和所处的环境图像，将基本信息和知识库输入基于预设的需求金字塔训练得到的大语言模型中，在多个候选工具中选中并输出多个具有执行顺序的目标工具，并根据执行顺序最优的目标工具对应的强化学习模型，控制智能体执行相应的事件。其中，事件的执行过程包括以迭代的方式至少一次执行以下步骤：向强化学习模型输入环境图像得到操作指令，在智能体完成操作指令对应的操作后，重新确定智能体所处的环境图像。本公开通过大语言模型和强化学习模型一同实现对智能体的灵活控制，并提高了智能体对事件的处理效率。