摘要
本申请公开了一种模型训练方法、装置、电子设备及计算机存储介质，其中，该方法包括：获取第一训练样本；第一训练样本包括业务目标和业务状态特征；通过待训练的第一大语言模型处理第一训练样本，得到多个第一样本响应；获取各第一样本响应对应的各第一奖励值；各第一奖励值用于表征基于各第一样本响应实现业务目标的有效性；根据各第一奖励值更新第一大语言模型的参数，并再次执行获取第一训练样本的步骤，直至达到第一预设训练停止条件时停止，得到训练好的第一大语言模型。采用上述模型训练方法能够有效提升模型的训练效果，从而为用户提供可靠的决策分析服务。
