基于反馈及强化的模型微调方法及系统

本申请提供了基于反馈及强化的模型微调方法及系统，涉及自然语言处理技术领域，方法包括：获取语言模型生成的输出文本并进行嵌入编码；识别文本中结构性语义单元，生成结构标记信息；基于结构标记信息构建低层胶囊集合，执行动态路由生成高层语义胶囊集合；依据高层语义胶囊集合与结构标记的映射关系构建结构表达矩阵；将该矩阵输入奖励评分模型生成强化学习回报值，并据此更新语言模型参数。该方法实现了语言模型结构感知能力与策略优化路径的闭环联动，可在无需人工标注的条件下提升文本生成结构性与语义一致性。