话术选择模型的训练方法、装置及相关设备

本申请提供一种话术选择模型的训练方法、装置及相关设备，所述方法包括：获取训练数据集；基于所述训练数据集对预训练的第一话术选择模型进行模型微调，得到第二话术选择模型；基于奖励模型和所述训练数据集，对所述第二话术选择模型进行强化学习，得到第三话术选择模型。本申请通过获取包括多个对话文本的训练数据集，由此基于训练数据集对预训练的话术选择模型进行模型微调，以及基于奖励模型和所述训练数据集对所述话术选择模型进行强化学习，由此通过模型微调和强化学习两个方面提高了话术选择模型生成的话术回答时的质量和效率。