基于多标准偏好学习的智能内容评估与优化方法及系统

本发明涉及人工智能技术领域，尤其是指基于多标准偏好学习的智能内容评估与优化方法及系统，所述方法包括：构建目标用户偏好数据，生成包含评价细则和判断结果的评估轨迹；基于评估轨迹，通过排序和一致性规则筛选样本并分配信用，得到偏好对训练数据；采用响应监督微调与直接偏好优化策略联合训练生成式奖励模型；将原始评估轨迹重组为交替的接受与拒绝样本，形成长思维链训练数据，进一步训练得到最终模型；通过最终模型评估并优化生成文本与用户偏好的对齐程度。本发明通过多阶段优化与过程监督，提升了语言模型与人类偏好的对齐度及整体性能，解决了传统奖励模型的复合误差、数据稀疏等问题，在分布外评估中表现优异。