買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉拉扎斯網絡科技(上海)有限公司申請的專利模型訓練方法、裝置、電子設備及存儲介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120409744B 。

龍圖騰網通過國家知識產權局官網在2025-09-26發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510916094.5，技術領域涉及：G06N20/00；該發明授權模型訓練方法、裝置、電子設備及存儲介質是由王江;董正心;柏兵;姜谷雨;苑愛泉設計研發完成，并于2025-07-03向國家知識產權局提交的專利申請。

本模型訓練方法、裝置、電子設備及存儲介質在說明書摘要公布了：本申請公開了一種模型訓練方法、裝置、電子設備及計算機存儲介質。其中，該模型訓練方法包括：基于預設訓練樣本集中的第一訓練樣本集對初始基線模型進行監督微調，得到監督微調模型以及偏好數據樣本；基于偏好數據樣本對初始獎勵模型進行優化訓練，得到目標獎勵模型，以及基于偏好數據樣本對監督微調模型進行優化訓練，得到偏好優化模型；基于偏好優化模型和第一訓練樣本集生成第一獎勵信號，以及基于偏好優化模型、目標獎勵模型和預設訓練樣本集中的第二訓練樣本集生成第二獎勵信號；基于第一獎勵信號、第二獎勵信號以及第二訓練樣本集對偏好優化模型進行優化訓練，得到目標對象生成式預訓練模型。采用該方法能夠提升模型的泛化能力。

本發明授權模型訓練方法、裝置、電子設備及存儲介質在權利要求書中公布了：1.一種模型訓練方法，其特征在于，所述方法包括： 獲取初始基線模型、初始獎勵模型和預設訓練樣本集，其中，所述預設訓練樣本集中包括多個對象響應訓練任務對應的多個訓練樣本組，所述對象為電商類對象，所述對象響應訓練任務為以所述對象的相關信息為輸入目標，生成針對所述對象的響應信息的訓練任務，所述多個對象響應訓練任務至少包括以下一種或多種類型的任務：類別預測類型、標題生成類型、信息抽取類型、產品匹配類型、搜索相關性類型以及查詢標注類型，所述類別預測類型的對象響應訓練任務用于根據商品的基本屬性信息預測所述商品所屬的標準化產品單元類別標簽，所述信息抽取類型的對象響應訓練任務用于從商品標題或商品屬性中提取結構化屬性信息，所述搜索相關性類型的對象響應訓練任務用于評估商品對應的上下文信息中用戶查詢和商品標題之間的相關性，所述查詢標注類型的對象響應訓練任務用于為用戶搜索查詢分配詞性標記； 基于所述預設訓練樣本集中的第一訓練樣本集對所述初始基線模型進行監督微調，得到監督微調模型以及偏好數據樣本； 基于所述偏好數據樣本對所述初始獎勵模型進行優化訓練，得到目標獎勵模型，以及基于所述偏好數據樣本對所述監督微調模型進行優化訓練，得到偏好優化模型； 基于所述偏好優化模型和所述第一訓練樣本集生成第一獎勵信號，以及基于所述偏好優化模型、所述目標獎勵模型和所述預設訓練樣本集中的第二訓練樣本集生成第二獎勵信號，所述第一獎勵信號為基于所述偏好優化模型在所述第一訓練樣本集上生成第一預測響應，并將所述第一預測響應與參考輸出進行對比，使用差異度量指標計算得出的分數型獎勵信號；所述第二獎勵信號為基于所述偏好優化模型在所述第二訓練樣本集上生成第二預測響應，并將輸入樣本與所述第二預測響應一并輸入目標獎勵模型進行打分，得到表示生成質量的數值獎勵； 基于所述第一獎勵信號、所述第二獎勵信號以及所述第二訓練樣本集對所述偏好優化模型進行優化訓練，得到目標對象生成式預訓練模型； 所述基于所述第一獎勵信號、所述第二獎勵信號以及所述第二訓練樣本集對所述偏好優化模型進行優化訓練，得到目標對象生成式預訓練模型，包括： 基于所述第一獎勵信號對所述偏好優化模型進行強化學習，得到強化對象生成式預訓練模型； 基于所述第二獎勵信號和所述第二訓練樣本集對所述強化對象生成式預訓練模型進行無監督訓練，得到目標對象生成式預訓練模型。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人拉扎斯網絡科技(上海)有限公司，其通訊地址為：200333 上海市普陀區真北路788號507室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。