摘要
本申请涉及一种模型训练方法、查询方法、装置、服务器和存储介质。所述大模型训练方法包括：基于样本查询问题，从文档库中检索与样本查询问题相关的辅助文档；将样本查询问题、辅助文档和样本候选文档输入至初始生成式模型中，得到样本查询问题的样本回复信息；样本回复信息为初始生成式模型基于样本查询问题和辅助文档，确定样本查询问题对应的用户意图信息，并基于用户意图信息和样本候选文档输出的；根据样本回复信息，得到目标奖励；基于目标奖励和强化学习算法对初始生成式模型进行训练，得到目标生成式模型。采用该模型训练方法能够提高生成式模型输出的推荐内容的准确度。
