一种基于强化学习的大模型推理游戏能力的优化方法

本发明涉及一种基于强化学习的大模型推理游戏能力的优化方法，包括以下步骤：采用多人推理游戏的规则和逻辑进行大模型推理游戏能力训练，以搭建环境，环境包括角色分配、游戏阶段以及胜负判定条件，并进行环境奖励；大模型的每一个智能体将被建模为一个Player对象，智能体包含角色类型、存活状态、预定义的各阶段提示词以及游戏历史记录；通过多智能体之间的交互来构造对局数据；采用对局数据训练并优化大模型的推理能力。本发明让大模型在多智能体自主博弈的过程中进行强化学习，以实现在无额外数据的情况下大模型的自主提升，提升大模型在文本推理游戏中的表现，并将逻辑推理能力泛化至其他推理任务中。