一种基于多步强化模拟的生成式对话优化方法及系统

本发明公开了一种基于多步强化模拟的生成式对话优化方法及系统，方法包括：利用基础对话模型，基于当前对话历史生成若干条候选回复；使用用户模拟器，对每条候选回复生成对话链；对每个对话链计算奖励，选择奖励值最高的K个对话链作为优质样本，以奖励值最低的对话链作为负样本；通过对比学习与强化学习的方法，利用优质样本和负样本更新基础对话模型的参数，得到训练好的基础对话模型作为客服模型；所述客服模型根据用户输入语句生成回复。本发明能够融合多轮对话动态规划、医疗场景适配性优化与高效策略探索的对话生成方法，在确保合规性的同时，实现用户信任建立与业务目标达成的双重优化。