一种面向教科研培场景的偏好扰动强化学习数据生成方法

本发明公开了一种面向教科研培场景的偏好扰动强化学习数据生成方法，属于教科研培领域，包括以下步骤：数据收集与评估，收集用户反馈数据，并评估模型当前性能状态以定义所需数据类型和质量；偏好扰动设计，设计扰动机制根据用户反馈调整模型决策边界；策略探索与学习，模型利用扰动探索新数据空间，并通过强化学习评估探索结果；反馈循环，将模型新发现和学习结果反馈给用户评估，形成迭代优化循环；优化与迭代，根据反馈结果优化模型学习策略和扰动策略，提高模型性能和泛化能力。通过引入扰动来调整模型的决策边界，使其能够探索和学习到更广泛的决策空间，同时确保生成的数据在数量上满足要求，在质量上反映真实世界的复杂性和多样性。