基于GRPO奖励函数的NL2SQL模型训练和存储方法及装置

本发明属于人工智能与自然语言处理技术领域，公开了基于GRPO奖励函数的NL2SQL模型训练和存储方法及装置。本发明构建了高质量的训练数据集，结合语法校验、执行验证及语义一致性筛选，有效提升模型的训练效果与生成性能；本发明采用GRPO作为基础框架，并设计了覆盖执行准确性、语法合法性、语义相似性与模式链接等多个维度的组合奖励函数；本发明设计阶段性课程学习策略，通过分阶段激活与调整各子奖励函数，引导模型从结构规范逐步过渡到语义理解与执行优化，提升泛化能力；同时引入奖励权重动态调整机制，在SQL查询执行失败时自动调整奖励函数的权重，增强训练反馈的稳定性与敏感度。