政务行业大模型的强化学习训练方法、系统、设备及介质

本发明提供了一种政务行业大模型的强化学习训练方法、系统、设备及介质，属于人工智能技术领域。所述方法包括：构建具备基础语言理解能力与政务知识的政务行业大模型，并初始化政务行业大模型；为政务行业大模型设置政务环境模拟器，以模拟多种政务场景任务；为政务行业大模型定义状态信息、动作信息和奖励函数，以引导模型生成符合要求的输出；使用强化学习算法对政务行业大模型的策略进行学习，以通过与政务环境交互学习最优策略；收集政务场景中的用户反馈，作为额外的奖励信号优化模型的强化学习训练；定期评估政务行业大模型表现，根据评估结果进行模型的调整和优化。本发明实现了政务行业大模型在多种政务场景任务中的高效学习与性能优化。