模型训练方法、装置、计算机设备、可读存储介质和程序产品

本申请涉及一种模型训练方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。所述方法包括：通过推理模型对样本问题进行推理得到推理结果；按样本问题的难易程度类别，确定对应的推理长度控制超参数；根据推理长度控制超参数和推理结果的推理长度，构建推理长度奖励函数，以及根据推理结果构建推理准确性奖励函数；根据推理长度奖励函数和推理准确性奖励函数，对推理模型进行基于强化学习的模型训练。采用本方法训练得到的推理模型可以兼顾推理效率和准确性，可以实现更加高效和准确的推理过程。