模型训练方法、装置、电子设备及存储介质

本公开实施例公开了一种模型训练方法、装置、电子设备及存储介质，该方法包括：获取多个训练阶段的样本数据集，多个训练阶段按照样本数据集的训练难度由易到难进行排序；在各个训练阶段，基于样本数据集对初始模型进行训练，得到训练模型；将样本数据集输入至训练模型进行多轮推理，得到训练模型在每轮推理中输出的多个推理结果，基于各个推理结果的正确性，在多个推理结果中确定正负样本，基于正负样本对训练模型进行优化；对优化后的训练模型进行强化学习，得到目标模型，目标模型用于作为下一个训练阶段的初始模型，直至结束多个训练阶段；本公开实施例能够提升模型推理准确性。