用于强化学习的模型训练方法及装置、电子设备、介质

本公开提供了一种用于强化学习的模型训练方法、用于强化学习的模型训练装置、电子设备及计算机可读存储介质，属于人工智能技术领域。该方法包括：获取样本库；样本库至少包括多个连续的样本状态信息；从样本库获取第一样本状态信息并输入第一预测模型，得到第一样本预测值，根据第一样本预测值和第一样本状态信息对应的标签信息确定第一损失值；从样本库获取第二样本状态信息和/或第三样本状态信息，根据第二样本状态信息和/或第三样本状态信息确定第二损失值；基于第一损失值和第二损失值更新第一预测模型的参数。本公开可以提高强化学习的模型训练的准确性和有效性。