基于大语言模型的辅助分层强化学习训练方法及系统

本发明提出了基于大语言模型的辅助分层强化学习训练方法及系统，包括：教师智能体和学生智能体收到相同的环境观察信息；教师智能体采用大语言模型，根据接收到的环境观察信息给出指导策略，指导策略被引入训练模块；学生智能体根据环境观察信息给出高层策略，当高层策略传入对应的低层策略选项πω时，πω将根据高层策略目标与环境产生一系列动作直到达到终止条件或超过最大任务步数；同时，低层策略输出的每个动作都将与环境交互并获得环境奖励，环境奖励累加和被视作当前高层动作获得的奖励，环境奖励累加和会被送入训练模块用于学生智能体向环境学习；训练模块将使用损失函数对学生智能体的高层策略网络进行更新。