大语言模型的训练方法、装置、电子设备及存储介质

本申请实施例提供了一种大语言模型的训练方法、装置、电子设备及存储介质，可涉及人工智能领域，该方法包括：获取提示词和多个样本问题，针对每个样本问题，将该样本问题和提示词输入到大语言模型中，通过执行多次答复生成操作得到该样本问题的多个答复，基于该样本问题的多个答复的语义相似性，聚类得到多个答复簇，根据每一答复簇中答复的数量，确定该答复簇中各答复对应的奖励，根据该样本问题的各答复对应的奖励，确定该样本问题对应的第一奖励，根据各样本问题对应的第一奖励，对大语言模型的模型参数进行调整，通过迭代训练得到训练后的大语言模型。该方法在无监督环境下实现了模型推理能力的有效提升，显著增强了模型的灵活性和实用性。