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！

龙图腾网获悉蚂蚁区块链科技(上海)有限公司申请的专利基于强化学习的预训练模型的构建方法及装置和电子设备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：CN117540825B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202311577060.5，技术领域涉及：G06N20/00；该发明授权基于强化学习的预训练模型的构建方法及装置和电子设备是由陈豪设计研发完成，并于2023-11-23向国家知识产权局提交的专利申请。

本基于强化学习的预训练模型的构建方法及装置和电子设备在说明书摘要公布了：基于强化学习的预训练模型的构建方法及装置和电子设备。该预训练模型包括作为强化学习的智能体的第一预训练的语言模型和作为强化学习的环境的第二预训练的语言模型。该方法包括：将第一预训练的语言模型生成的提示文本作为动作，将第二预训练的语言模型对提示文本进行推理生成的响应文本作为状态反馈，将基于响应文本的风险检测结果计算出的与提示文本对应的回报值作为回报，以最大化回报值为优化目标，对第一预训练的语言模型进行强化学习训练；将该风险提示文本作为训练样本，将预期响应文本作为样本标签，对第二预训练的语言模型进行有监督的优化训练，以引导第二预训练的语言模型基于输入的风险提示文本生成不具有风险的响应文本。

本发明授权基于强化学习的预训练模型的构建方法及装置和电子设备在权利要求书中公布了：1.一种基于强化学习的预训练模型的构建方法，所述预训练模型包括作为强化学习的智能体的第一预训练的语言模型，和作为强化学习的环境的第二预训练的语言模型；所述方法包括： 将所述第一预训练的语言模型生成的提示文本作为与所述强化学习对应的动作，将所述第二预训练的语言模型针对输入的所述提示文本进行推理生成的响应文本作为与所述强化学习对应的状态反馈，以及将基于所述响应文本的风险检测结果计算出的与所述提示文本对应的回报值作为与所述强化学习对应的回报，以最大化所述回报值为优化目标，针对所述第一预训练的语言模型进行强化学习训练，以引导所述第一预训练的语言模型生成风险提示文本；其中，如果针对所述响应文本的风险检测结果指示所述响应文本为风险信息，所述回报值为正回报值； 在针对所述第一预训练的语言模型进行强化学习训练的过程中，获取由所述第一预训练的语言模型生成的风险提示文本，以及为所述风险提示文本配置的不具有风险的预期响应文本；其中，所述风险提示文本为计算出的所述回报值为正回报值的响应文本对应的提示文本； 将该风险提示文本作为训练样本，将为该风险提示文本配置的预期响应文本作为样本标签，针对所述第二预训练的语言模型进一步进行有监督的优化训练，以引导所述第二预训练的语言模型基于输入的风险提示文本生成不具有风险的响应文本。

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蚂蚁区块链科技(上海)有限公司，其通讯地址为：200010 上海市黄浦区外马路618号8层803室；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。