一种用于自动生成完形填空题干扰项的强化学习系统

本发明公开了一种用于自动生成完形填空题干扰项的强化学习系统，通过双重奖励结构对人工标准干扰项赋予固定高奖励，明确高质量标准，对模型生成的干扰候选项基于置信度分数赋予动态奖励，使模型能依据不同奖励反馈精准判断候选项质量层次，减少质量参差不齐；自适应奖励缩放模块根据模型性能调整奖励强度，训练初期放大奖惩信号，助模型快速学习基本生成能力，收敛阶段细化奖励差异，提升候选项质量稳定性；此外，自适应奖励缩放模块持续优化动态奖励映射规则，通过对比历史与当前情况迭代调整转换参数，让奖励机制适应模型变化，为模型提供有效引导，使模型更准确捕捉高质量干扰项特征并优化生成过程，从而更好学习相关特征。