基于分层式复合奖励强化学习的大语言模型XPath生成方法

本发明公开了基于分层式复合奖励强化学习的大语言模型XPath生成方法，具体包括以下步骤：步骤1：获取目标网页的HTML源码和页面元素信息并进行数据清洗，得到包含DOM层级顺序结构及元素属性值的结构化数据；对数据清洗后的结构化数据进行数据标注，得到标注数据集；步骤2：选用基础模型，使用标注数据集对基础模型进行监督微调，将经监督微调后的基础模型作为策略模型；构建分层式复合奖励函数进行强化学习微调，使得策略模型的输出层级与输入DOM层级对齐，得到经两阶段微调的最终模型；步骤3：生成标准XPath字符串，并输出与输入DOM层级匹配的结构化数据，以展示标准XPath字符串的逐层构建逻辑。本发明能够生成稳定的XPath并实现生成过程完全透明和可追溯。