数据库问答模型训练方法及装置、存储介质、计算机设备

本申请公开了一种数据库问答模型训练方法及装置、存储介质、计算机设备，方法包括：将达标结构化查询语言语句、达标执行结果回答和达标自然语言问题进行关联，生成训练用标注数据；收集针对数据库可能提出的模拟衍生问题，得到训练用非标注数据。基于GRPO强化学习框架，以双塔模型所提供的评分奖励函数为基础，利用训练用标注数据对评分奖励函数进行训练，以及对数据库问答模型进行监督微调训练，结合训练用非标注数据、格式奖励、可执行奖励以及评分奖励函数的评分奖励，对进行监督微调训练后的数据库问答模型继续进行训练。通过少量标注数据进行初步训练，再由非标注数据进行后续训练，能够激发模型的推理能力，减少标注成本，提高训练效率。