基于三段式GRPO强化学习的裁判文书摘要生成方法

本发明实施例中提供了一种基于三段式GRPO强化学习的裁判文书摘要生成方法，属于数据处理技术领域，具体包括：步骤1，建模三段式思维链；步骤2，根据三段式思维链对原始裁判文书数据集进行数据蒸馏与分层，得到不同类型的数据集，其中，所述类型包括高相关性、中相关性和低相关性；步骤3，使用高相关性数据集对大语言模型进行SFT监督微调训练；步骤4，利用全部数据集对训练后的大语言模型进行多阶段GRPO强化学习训练，得到目标模型；步骤5，将目标裁判文书输入目标模型，生成目标摘要。通过本发明的方案，提高了摘要生成效率、精准度和适应性。