模型的生成方法、装置、电子设备及存储介质

本公开公开了模型的生成方法、装置、电子设备及存储介质，涉及计算机领域，尤其涉及大模型、深度学习、强化学习等人工智能技术领域。具体实现方案为：首先获取输入信息序列，并基于输入信息序列中每个输入信息对应的数据长度，将输入信息序列进行排序，得到排序结果，然后基于负载均衡策略，将排序结果分配至多个数据并行组，以得到初始策略网络输出的输入信息序列对应的预测结果序列，之后基于初始价值网络，确定预测结果序列中每个预测结果对应的奖励值，最后基于奖励值，分别对初始策略网络及初始价值网络进行修正，直至得到目标模型。