一种基于动态评价指标的强化学习模型训练方法和装置

本发明公开了一种基于动态评价指标的强化学习模型训练方法和装置。该方法包括：基于评分结果从预先确定原始训练数据中筛选目标训练数据；其中，评分结果是对原始训练数据的预测难度进行量化评分后形成的结论；依据强化学习模型对目标训练数据进行预测，输出预测结果，并依据预测结果和预设正确结果，计算评价指标值；确定目标评价指标阈值；其中，目标评价指标阈值依据强化学习模型预测过程进行动态调整；利用评价指标值和目标评价指标阈值，确定奖励函数值和/或惩罚函数值，并利用奖励函数值和/或惩罚函数值对强化学习模型进行参数优化。本技术方案，通过设置动态评价指标对强化学习模型进行训练，提高了强化学习模型训练的稳定性和效率。