一种文本生成方法、装置、设备及介质

本发明涉及自然语言技术领域，可应用于金融、医疗场景，公开了一种文本生成方法、装置、设备及介质，该方法包括定义状态空间与动作空间之间的空间映射关系，基于空间映射关系构建奖励函数；构建策略网络，基于近端策略优化算法利用奖励函数对策略网络进行训练；运行推理服务，利用训练完成的略网络预测并生成标记以完成文本生成。在本发明中，针对采用传统自回归预测方式生成文本并且需要重复训练的问题，基于近端策略优化算法利用奖励函数对策略网络进行训练，再利用训练完成的策略网络预测并生成标记以完成文本生成。如此，突破传统自回归机制的瓶颈，实现模型在无需重复训练的条件下，具备自适应和持续演进能力。