一种模型的处理方法、装置及设备

本说明书实施例公开了一种模型的处理方法、装置及设备，该方法包括：获取用于对大语言模型进行模型训练的训练样本，大语言模型用于对目标业务进行风险评审处理；通过训练样本对大语言模型进行模型训练，得到训练后的大语言模型，将训练后的大语言模型部署到目标业务中，并基于训练后的大语言模型对用户执行目标业务进行风险评审处理，得到多个不同的目标风险评审结果；获取用户分别对每个目标风险评审结果的反馈信息，并基于反馈信息生成用于训练奖励模型的正负样本对，基于正负样本对对奖励模型进行训练；基于训练后的奖励模型和大语言模型，通过用户执行目标业务产生的数据对训练后的大语言模型进行微调，得到微调后的大语言模型。