基于奖励机制的报告生成方法、装置、设备及介质

本发明涉及人工智能技术领域，提供一种基于奖励机制的报告生成方法、装置、设备及介质，一方面，以相关性、流畅性、多样性、长度控制、安全性、位次描述及术语使用率为奖惩维度构建奖励模型，能够从多维度提升报告质量；另一方面，采用直接偏好优化算法，基于问答对及奖励模型对非推理模型进行强化训练，并利用监督微调算法基于标注训练集进行模型微调，能够在第一阶段基于直接偏好优化算法使非推理模型具备思考能力，生成的思考链能够提高报告生成过程的逻辑性及条理性，在第二阶段通过监督微调算法能够对模型输出进一步优化，确保生成报告符合专业标准，在基于直接偏好优化算法提升生成效率并降低运算成本的同时，还提升了生成报告的质量。