模型训练方法、装置、设备、存储介质及程序产品

本申请实施例公开了一种模型训练方法、装置、设备、存储介质及程序产品，该方法包括：根据第一输入数据，通过第一语言模型，确定多种第一推理结果；按照预设判别规则，在多种第一推理结果中确定合理推理结果；基于合理推理结果，训练第一语言模型，以得到第二语言模型；根据第二输入数据，通过第二语言模型，确定多种第二推理结果；确定多种第二推理结果各自对应的评价结果；根据多种第二推理结果各自对应的评价结果，在多种第二推理结果中确定参考推理结果；基于参考推理结果，训练第二语言模型，以得到目标语言模型。该方法使用以低成本获取到的大量训练数据训练LLM，降低了模型训练成本，并提升了所训练的LLM的推理能力。