买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门大学申请的专利面向可验证奖励强化学习训练的投机式前缀复用方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120875052B 。

龙图腾网通过国家知识产权局官网在2026-03-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511384520.1，技术领域涉及：G06N5/04；该发明授权面向可验证奖励强化学习训练的投机式前缀复用方法是由苏劲松;刘冰帅;闵子君;王安特设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本面向可验证奖励强化学习训练的投机式前缀复用方法在说明书摘要公布了：本发明提出了一种面向可验证奖励强化学习训练的投机式前缀复用方法，包括：获取当前训练批次的提示集合和前一训练迭代中生成的旧响应，其中，旧响应包括多个旧词元序列，每个旧词元序列携带其在旧策略下每个词元对应的第一对数概率和长度信息；根据提示集合中的每个提示和对应的旧词元序列计算在当前策略下每个词元对应的第二对数概率；根据第一对数概率和第二对数概率按旧词元序列顺序对每个词元进行判定；如果对每个词元的判定结果均为接受，则对旧词元序列直接复用；如果在判定过程中出现拒绝的词元则停止判定，以得到可复用前缀，并调用模型生成每个可复用前缀对应的后缀，以得到新响应，从而降低生成采样阶段开销，提高回复效率。

本发明授权面向可验证奖励强化学习训练的投机式前缀复用方法在权利要求书中公布了：1.一种面向可验证奖励强化学习训练的投机式前缀复用方法，其特征在于，包括以下步骤： 获取当前训练批次的提示集合和前一训练迭代中生成的旧响应，其中，所述旧响应包括多个旧词元序列，每个旧词元序列携带其在旧策略下每个词元对应的第一对数概率和长度信息； 根据所述提示集合中的每个提示和对应的旧词元序列计算在当前策略下每个词元对应的第二对数概率； 根据所述每个词元对应的第一对数概率和所述每个词元对应的第二对数概率按旧词元序列顺序对每个词元进行判定； 如果对每个词元的判定结果均为接受，则对所述旧词元序列直接复用； 如果在判定过程中出现拒绝的词元则停止判定，以得到可复用前缀，并调用模型生成每个可复用前缀对应的后缀，以及对所述可复用前缀和生成的后缀进行拼接，得到新响应； 将得到的所有新响应输入到可验证奖励函数，以得到奖励值，计算优势并更新策略参数，以完成一次训练迭代； 其中，根据所述每个词元对应的第一对数概率和所述每个词元对应的第二对数概率按旧词元序列顺序对每个词元进行判定，包括： 根据所述每个词元对应的第一对数概率和所述每个词元对应的第二对数概率得到每个词元对应的接受概率； 采样一个随机数，其中，所述随机数的取值范围在0到1之间； 如果词元对应的接受概率大于等于所述随机数，则判定为接受，并继续下一个词元的判定； 如果词元对应的接受概率小于所述随机数，则判定为拒绝，并停止对下一个词元的判定； 其中，根据以下公式得到每个词元对应的接受概率： 其中，表示第个词元序列中第个词元对应的接受概率，表示第个词元序列中第个词元对应的第二对数概率，表示第个词元序列中第个词元对应的第一对数概率；表示宽容度参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门大学，其通讯地址为：361000 福建省厦门市思明南路422号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。