一种回复策略的输出方法、装置、设备和存储介质

本申请公开了一种回复策略的输出方法，应用于大语言模型，大语言模型包括预先训练的价值函数，价值函数是基于历史输入数据、历史输入数据对应的历史回复策略，以及针对历史回复策略的用户响应数据训练得到的，用户响应数据与多个标签中的目标标签匹配，目标标签用于指示用户响应数据所对应的情感类别，包括：获取待处理的输入数据；对输入数据进行处理，生成回复策略；基于价值函数对输入数据和回复策略进行处理，得到回复策略属于多个标签中的每个标签的概率；基于回复策略属于每个标签的概率和回复策略，确定目标回复策略并输出。这样可以有效降低计算成本。