奖励模型的获取方法、装置、设备及存储介质

本发明实施例涉及人工智能技术领域，公开了一种奖励模型的获取方法、装置、设备及存储介质，方法为：获取用户的第一样本；将第一样本输入至初始双奖励模型，得到第一样本的第一表示向量集和第二表示向量集；基于预设相似度损失计算公式对第一表示向量集和第二表示向量集进行处理，得到目标损失值，预设相似度计算公式用于增加属于同一表示向量集中数据的相似度，减小属于不同表示向量集中数据的相似度；基于目标损失值调整初始双奖励模型的参数，以获取目标奖励模型，目标奖励模型用于确定出符合用户提问问题的最优答案。通过增强同一答案的相似度，降低不同答案的相似度，能够显著增强目标奖励模型的表示学习能力，提高了目标奖励模型的鲁棒性。