[发明专利]奖励模型训练和奖励值生成方法、装置、设备和介质在审
| 申请号： | 202310797144.3 | 申请日： | 2023-06-30 |
| 公开（公告）号： | CN116932713A | 公开（公告）日： | 2023-10-24 |
| 发明（设计）人： | 丁思宇;韩雅倩;王硕寰;孙宇;田浩;吴华;王海峰 | 申请（专利权）人： | 北京百度网讯科技有限公司 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F16/33;G06F16/338 |
| 代理公司： | 北京鸿德海业知识产权代理有限公司 11412 | 代理人： | 岳凤羽 |
| 地址： | 100085 北京市*** | 国省代码： | 北京;11 |
| 权利要求书： | 暂无信息 | 说明书： | 暂无信息 |
| 摘要： | 本公开提供了一种奖励模型训练和奖励值生成方法、装置、设备和存储介质，涉及人工智能技术领域，具体为自然语言处理、深度学习等技术领域。奖励模型训练方法包括：获取请求文本和所述请求文本对应的原始响应文本；基于所述原始响应文本的长度，对所述原始响应文本进行采样处理，以获得目标响应文本；其中，所述长度与所述采样处理成反向关系；基于所述请求文本和所述目标响应文本，训练奖励模型。本公开可以高效地纠正奖励模型的长度偏置问题。 | ||
| 搜索关键词： | 奖励 模型 训练 生成 方法 装置 设备 介质 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京百度网讯科技有限公司，未经北京百度网讯科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202310797144.3/，转载请声明来源钻瓜专利网。
- 上一篇：一种负极片和电池
- 下一篇：一种混凝土表面平整度扫描装置
