基于多序列生成机制的响应优化方法、装置、设备及介质

本发明涉及人工智能技术领域，可应用于金融科技及医疗健康等业务场景中，公开了一种基于多序列生成机制的响应优化方法、装置、设备及介质，包括：针对输入请求，利用生成模型生成多个候选响应序列，评估响应质量与响应长度，并根据响应质量将候选响应集合划分为两个子集。分别对两个子集应用不同的奖励信号生成方式，计算优势值，并利用优势值更新生成模型的参数，获得目标模型，进而用于生成目标任务的推理结果。本发明通过区分候选响应序列的响应质量与长度特征，采用分组奖励策略生成更具区分性的优势值，实现动态调整训练过程中的优化信号，提升模型对冗余推理的抑制能力，同时增强训练稳定性和推理效率。