评阅模型训练方法、评阅方法和装置

本发明提供一种评阅模型训练方法、评阅方法和装置，其中方法包括：根据第一样本数据集中的第一样本数据，对大型语言模型进行无监督训练，得到第一语言模型；根据第二样本数据集中的第二样本数据和各第二样本数据对应的评分标签和评语标签，对第一语言模型进行有监督训练，得到第二语言模型；根据第三样本数据集中的第三样本数据和各第三样本数据对应的评分标签，对第二语言模型进行强化学习训练，得到评阅模型；第一样本数据集中的样本数据数量和第三样本数据集中的样本数据数量均大于第二样本数据集中的样本数据数量。本发明实现通过少量评语标签即可有效训练出具备较高评阅质量的评阅模型，有效降低了标注成本，同时提高了评阅的质量。