基于因果大语言模型的强化学习决策优化方法、系统及设备

本发明涉及人工智能技术领域，公开了基于因果大语言模型的强化学习决策优化方法、系统及设备，包括以下步骤：初始化智能体及其策略网络；获取交互产生的历史序列决策的轨迹信息；采用大语言模型从轨迹信息中提取因果变量，构建结构因果模型；得到智能体策略驱动因果干预机制，动态修正结构因果模型中的因果关系；根据修正后的结构因果模型中提取的任务相关因果链，生成与因果关系对应的语义子目标；设计融合语义相似度的多模态奖励函数；采用得到的子目标与奖励更新策略网络。本发明解决现有技术中强化学习智能体在复杂环境中的低学习效率、适应性不足以及缺乏有效推理能力的问题，且具有在动态环境中的决策效率高的特点。