问答大模型训练及问答方法、装置、相关设备及程序产品

本申请公开了一种问答大模型训练及问答方法、装置、相关设备及程序产品，涉及人工智能技术领域。本申请采用强化学习方式对问答大模型进行训练，通过将问题样本送入问答大模型，得到其输出结果。确定其中答案的质量，并确定思维链的长度与设定思维链长度要求的匹配度，按照答案的质量及思维链长度的匹配度确定输出结果的奖励值，该奖励值与答案的质量、匹配度均成正相关关系，按照该输出结果的奖励值对问答大模型进行强化学习训练，增强问答大模型对输出的思维链长度的控制能力，同时，同时提升问答大模型输出的答案的质量。