模型训练及信息答复方法、设备、存储介质及程序产品

本申请提供了一种模型训练及信息答复方法、设备、存储介质及程序产品，涉及计算机技术领域。该方法包括：基于第一训练样本对基座模型进行持续预训练，得到基础模型；基于第二训练样本对基础模型进行冷启动监督微调训练，得到第一监督微调模型；基于第三训练样本、目标信息和待训练模型进行多次推理，得到推理结果；在第M次推理的过程中，目标信息包括前M‑1次推理确定的目标工具在调用后获取到的信息；基于推理结果对待训练模型进行优化，得到第一强化学习模型；基于通识数据以及第一强化学习模型输出的推理数据进行通识对齐训练，得到目标模型。该方法可以调用目标工具获取所需的目标信息，使得大模型输出的信息更加全面。