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！

龙图腾网恭喜腾讯科技(深圳)有限公司申请的专利一种模型训练设备、方法、装置及介质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：CN113570397B 。

龙图腾网通过国家知识产权局官网在2025-04-18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：202110113393.7，技术领域涉及：G06Q30/0273；该发明授权一种模型训练设备、方法、装置及介质是由谭斌设计研发完成，并于2021-01-27向国家知识产权局提交的专利申请。

本一种模型训练设备、方法、装置及介质在说明书摘要公布了：本申请实施例涉及人工智能技术领域，公开了一种模型训练设备、方法、装置、及介质，其中，通过实施本申请实施提出的模型训练方法，可以在强化学习模型的训练过程中，并行处理日志数据环境的探索和强化学习模型的训练，加快强化学习模型的训练速度，并依照训练完成的强化学习模型得到目标策略网络，以便于后续通过目标策略网络为信息展示提供决策，使得信息展示机会能够得到充分的利用，提高信息展示的网络资源利用率。

本发明授权一种模型训练设备、方法、装置及介质在权利要求书中公布了：1.一种模型训练设备，其特征在于，所述模型训练设备中部署有维护策略网络的第一处理模块、维护强化学习模型的第二处理模块以及中心处理模块，其中：所述第一处理模块，用于通过维护的策略网络从日志数据环境中获取历史信息展示请求对应的目标样本信息；所述第二处理模块，用于获取训练数据，并通过所述训练数据对强化学习模型进行第一迭代训练，并将第一迭代训练后得到的网络优化参数写入网络参数共享区，所述网络优化参数是指所述强化学习模型中包括的策略网络经过所述第一迭代训练后得到的参数；所述训练数据为多个所述目标样本信息；所述第一处理模块，还用于从所述网络参数共享区中获取所述网络优化参数，并将所述第一处理模块维护的策略网络的参数更新为所述网络优化参数；通过更新后的策略网络再次从所述日志数据环境中获取目标样本信息；所述第二处理模块，还用于获取训练数据，并通过所述训练数据对经过所述第一迭代训练后的强化学习模型进行第二迭代训练，根据第二迭代训练得到目标强化学习模型；所述中心处理模块，用于将所述目标强化学习模型中的策略网络确定为目标策略网络，所述目标策略网络，用于确定与信息展示请求匹配的各候选信息的展示得分，所述展示得分用于指示对应候选信息被推送至所述信息展示请求对应的信息展示位上进行展示的概率。

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腾讯科技(深圳)有限公司，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层；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”。