基于军事文档和回答相似度的强化学习训练方法及系统

本申请提供一种基于军事文档和回答相似度的强化学习训练方法及系统。方法包括：获取参考资料，利用强化学习模型从参考资料中自动提取问题，将问题和参考资料组成样本对，作为训练数据；将问题和参考资料拼接作为强化学习模型的输入，生成模型回答；计算模型回答与参考资料的相似度；基于相似度，评估模型回答对参考资料的忠诚度，得到忠诚度奖励；计算强化学习模型中策略网络的策略损失和价值网络的价值损失；利用损失函数对策略网络和价值网络的网络参数的梯度进行迭代，以更新网络参数。本申请可免去人工标注，有效降低了训练成本，基于相似度奖励，使得模型回答能更好地遵循参考资料，从而提高模型训练效率和质量。