一种大模型后训练方法、装置、计算机程序及存储介质

本公开涉及一种大模型后训练方法、装置、计算机程序及存储介质，该方法包括：获取大模型对同一请求问题生成的包含多个候选答案的输出组；将所述多个候选答案中的至少一个替换为标准答案，得到更新后的输出组；基于更新后的输出组，对所述大模型进行训练。本公开实施例通过动态替换与单阶段训练的结合，使得模型在无需依赖复杂外部模块或人工干预的情况下，高效优化生成策略。