一种基于在线数据的价值函数持续学习方法及系统

本发明提供一种基于在线数据的价值函数持续学习方法与系统，其中方法包括：基于当前学习的价值，推断生成期望价值并进一步确定出对应的流态，使用生成模型，生成流态对应的第一数据样本；发布任务及任务场景，接收其他用户对于任务的操作生成相应的场景数据；对场景数据进行处理，获得第二数据样本；将第一数据样本和第二数据样本添加进原训练数据样本中，并对训练数据样本进行处理后，重新对价值函数进行训练。本发明的基于在线数据的价值函数持续学习方法及系统，实现有效持续地在线数据的收集，保证了价值函数的持续学习更新，以保证人工智能系统的有效更新。