基于动态验证反馈的生成优化方法、装置、设备及介质

本发明涉及人工智能技术领域，可应用于金融科技及医疗健康等业务场景中，公开了一种基于动态验证反馈的生成优化方法、装置、设备及介质，包括：预训练用于分析生成内容质量的验证网络；构建包含正交奖励分量的动态奖励空间；将动态奖励空间集成至生成式模型中形成实时验证回路，在多个处理层中注入验证信号；根据验证信号优化生成式模型的探索策略；基于实时验证回路与优化后的探索策略执行双回路反馈控制，动态调整训练参数，生成目标模型；基于目标模型输出推理结果。本发明通过构建实时验证回路与优化策略，实现双回路反馈控制机制，将验证信号引入训练过程，动态响应训练误差和策略偏差，结合快速与慢速调节路径，提升生成式模型训练效率。