交互方法、装置、智能体、电子设备及存储介质

本公开提供了一种交互方法、装置、智能体、电子设备及存储介质，涉及人工智能技术领域，尤其涉及大模型、强化学习等技术领域。具体实现方案为：响应于接收目标问题文本，基于目标问题文本，生成提示指令；以及将提示指令输入目标大语言模型，得到符合目标任务规范的目标答案文本；其中，用于训练目标大语言模型的方法包括：响应于针对目标任务的模型训练请求，确定与目标任务关联的至少一个行业奖励模型；利用通用奖励模型和至少一个行业奖励模型分别处理答案文本，得到通用推理奖励和至少一个行业推理奖励；基于通用推理奖励和至少一个行业推理奖励，得到复合奖励；以及利用复合奖励对大语言模型进行强化学习训练，得到目标大语言模型。