一种基于奖励排序的生成模型训练方法及系统

本申请公开了一种基于奖励排序的生成模型训练方法及系统，方法包括：基于当前图文生成模型对目标数据集进行生成响应，构建提示样本的三元组数据集合；基于提示文本的奖励信息，对提示样本的三元组数据集合进行选取，得到目标提示样本的三元组数据集合；根据目标提示样本的三元组数据集合对当前图文生成模型进行迭代训练并进行监督微调，直至满足预设迭代终止条件，得到符合人类偏好的图文生成模型。本申请实施例能够将样本生成和模型训练分离，样本生成不需要计算梯度，并减少了模型训练的计算量。本申请可以广泛应用于人工智能技术领域。