一种轨道交通智能客服专家混合大语言模型

本发明公开了一种轨道交通智能客服专家混合大语言模型，涉及大语言模型技术领域，步骤一：数据初始化；步骤二：交互与数据采样；步骤三：离散动作训练，使用深度Q网络处理离散动作选择；步骤四：连续动作训练，使用策略梯度方法优化连续策略；步骤五：联合训练；步骤六：输出最优策略，该发明，离散动作训练中使用深度Q网络处理离散动作选择，连续动作训练中使用策略梯度方法优化连续策略，再配合联合训练，实现两种方法的协同优化，提升模型在复杂决策问题中的表现；联合训练中通过共享奖励信号和状态特征，通过对用户行为习惯、家庭身份和消费习惯三个维度进行数据采集，可以提高模型对用户更精确的训练输出。