一种基于强化学习微调的大型语言模型优化方法

本发明涉及大型语言模型技术领域，公开了一种基于强化学习微调的大型语言模型优化方法，包括：采集目标模型交互得到的优势值，以大小为T×B的优势矩阵；依据预设窗口对优势矩阵从时间维度进行分割处理，形成m个分片；依据m个分片分别确定优势矩阵的源分布，以及构建代价矩阵；基于源分布和代价矩阵，确定大小为m×m的传输矩阵；基于传输矩阵确定第p个分片的净能量搬运量；根据第p个分片的净能量搬运量、优势矩阵和预设窗口，对优势矩阵进行更新处理，得到更新优势矩阵；基于更新优势矩阵计算损失值，以损失值执行反向传播，更新目标模型。