一种模型强化微调方法、装置、设备及其存储介质

本申请属于人工智能技术领域，涉及一种模型强化微调方法、装置、设备及其存储介质，通过获取目标数量的任务演示数据；输入到构建完成的目标模型中，对目标模型进行离线初始训练，得到模型策略初始化后的目标模型；获取实时采集的任务指导数据；输入到模型策略初始化后的目标模型中，进行在线强化训练，得到模型策略微调后的目标模型。先以离线方式进行模型初始训练，得到初始化的模型，然后，结合实际采集数据进行在线强化学习训练，使得最终训练完成的模型更加符合实际应用场景。具体应用到医疗业务领域，例如微型机器人手术，或者金融业务领域，例如机器人进行信用卡实物制卡，保证最终训练完成的模型充分结合了大量的任务操作真实作业数据。