一种基于人类反馈强化学习的分层次教育出题方法及系统

本发明涉及数据分析领域，尤其涉及一种基于人类反馈强化学习的分层次教育出题方法及系统，所述方法先获取出题引导信息及对应的题目参考评分，再将出题引导信息输入预设的题目生成模型中，生成候选题目集，然后，根据题目参考评分，排序生成人类偏好数据集，接着将出题引导信息和人类偏好数据集输入第一奖励模型中，预测得到符合预设目标函数的奖励分数，并将奖励分数反向传播，得到第二奖励模型，再将出题引导信息和候选题目集输入第二奖励模型和预设的评论家模型中，以驱动题目生成模型中模型参数的更新，最后，将出题引导信息输入模型参数更新后的题目生成模型中，得到实际题目集。本发明方法解决了现有技术深度理解能力不足的问题。