问答大模型训练方法、问答方法、装置、设备及存储介质

本发明提供一种问答大模型训练方法、问答方法、装置、设备及存储介质，涉及人工智能技术领域，其中方法包括：获取待训练的问答大模型及问题样本集；所述问题样本集中包括多个难度等级的问题样本；对于所述问题样本集中的每个所述问题样本，获取所述问题样本的思维链集合；所述思维链集合中包括分别由多个推理大模型输出的思维链；根据所述问题样本的难度等级及所述思维链集合，对所述问答大模型进行强化学习训练，得到训练好的目标问答大模型。本发明实现增强训练稳定性及模型的探索能力。