一种模型训练方法、装置及相关设备与流程

本申请涉及计算机，特别是涉及一种模型训练方法、装置及相关设备。

背景技术：

1、随着科技的发展，大语言模型在客服自动化回复、智能问答场景下被广泛使用，大语言模型可以根据输入的问题，生成该问题对应的答复内容。

2、在大语言模型投入到实际的应用场景后，为了使大语言模型输出更合适、准确的答复内容，需对大语言模型进行不断地训练，使得训练后的大语言模型可以输出更合适、准确的答复内容。

3、在相关技术中，可以通过人工对大语言模型输出的答复内容进行评测，得到大语言模型的评测结果，并基于该评测结果实现对大语言模型的训练。

4、但是，由于人工评测过程中，得到的评测结果主观性强，该评测结果不能给大语言模型的训练过程提供准确的训练和指导方向，进而基于该评测结果训练后的大语言模型输出的答复内容不够准确。

技术实现思路

1、本申请实施例的目的在于提供一种模型训练方法、装置及相关设备，以解决相关技术中通过人工评测得到的评测结果主观性强，评测结果不能给大语言模型的训练过程提供准确的训练和指导方向，进而基于该评测结果训练后的大语言模型输出的答复内容不够准确的问题。具体技术方案如下：

2、在本申请实施的第一方面，提供了一种模型训练方法，所述方法包括：

3、获取第一答复数据集，所述第一答复数据集包括：至少两个答复数据；所述至少两个答复数据通过第一模型基于至少一个问题数据生成；

4、分析所述第一答复数据集中的各个答复数据，得到所述各个答复数据对应的评价结果，所述评价结果用于表示所述各个答复数据对应的待完善情况；

5、基于所述各个答复数据对应的评价结果，确定至少一个提示词；提示词用于确定问题数据对应的答复数据；

6、基于所述至少一个提示词对所述第一模型进行至少一次训练；

7、在满足预设条件的情况下，得到训练后的第二模型。

8、在本申请实施的第二方面，提供了一种答复数据生成方法，包括：

9、获取目标问题数据；

10、通过第二模型确定所述目标问题数据对应的目标答复数据；

11、其中，所述第二模型为根据第一方面训练得到的模型。

12、在本申请实施的第三方面，提供了一种模型训练装置，包括：

13、获取模块，用于获取第一答复数据集，所述第一答复数据集包括：至少两个答复数据；所述至少两个答复数据通过第一模型基于至少一个问题数据生成；

14、评价模块，用于分析所述第一答复数据集中的各个答复数据，得到所述各个答复数据对应的评价结果，所述评价结果用于表示所述各个答复数据对应的待完善情况；

15、第一确定模块，用于基于所述各个答复数据对应的评价结果，确定至少一个提示词；提示词用于确定问题数据对应的答复数据；

16、训练模块，用于基于所述至少一个提示词对所述第一模型进行至少一次训练；

17、第二确定模块，用于在满足预设条件的情况下，得到训练后的第二模型。

18、在本申请实施的第四方面，提供了一种答复数据生成装置，包括：

19、获取模块，用于获取目标问题数据；

20、确定模块，用于通过第二模型确定所述目标问题数据对应的目标答复数据；

21、其中，所述第二模型为根据第一方面训练得到的模型。

22、在本申请实施的第五方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

23、存储器，用于存放程序；

24、处理器，用于执行存储器上所存放的程序时，实现如第一方面所述的方法和第二方面所述的方法。

25、在本申请实施的第六方面，提供了一种可读存储介质，其上存储有程序，该程序被处理器执行时实现如第一方面所述的方法和第二方面所述的方法。

26、在本申请实施的第七方面，提供了一种计算机程序产品，包括计算机指令，该计算机指令被处理器执行时实现如第一方面所述的方法和第二方面所述的方法。

27、在本申请实施例中，电子设备可以获取第一答复数据集，并对第一答复数据集中的各个答复数据进行评价，得到各个答复数据对应的评价结果，以确定第一模型当前的答复数据待完善情况。电子设备再基于各个答复数据对应的评价结果，确定至少一个提示词，以通过至少一个提示词对第一模型进行至少一次训练，得到训练后的第一模型，即得到第二模型。在这个过程中，电子设备可以自动化生成客观的评价结果，并基于该评价结果生成可以提供准确的训练和指导方向的提示词，使得电子设备基于提示词对第一模型进行训练后，得到的第二模型可以输出更合适、准确的答复数据。此外，本申请无需通过人工确定评价结果，提高了处理效率，降低了人工成本。

1.一种模型训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述评价结果包括：至少一个评价分析结果和评价总分数，所述分析所述第一答复数据集中的各个答复数据，得到所述各个答复数据对应的评价结果，包括：

3.根据权利要求2所述的方法，其特征在于，所述基于所述各个答复数据对应的评价结果，确定至少一个提示词，包括：

4.根据权利要求3所述的方法，其特征在于，所述基于所述第二答复数据集中每一个目标答复数据对应的每一评价分析结果，确定所述至少一个提示词，包括：

5.根据权利要求2所述的方法，其特征在于，所述基于所述各个答复数据对应的评价结果，确定至少一个提示词，包括：

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

7.根据权利要求4所述的方法，其特征在于，所述方法还包括：

8.根据权利要求2所述的方法，其特征在于，所述基于所述至少一个提示词对所述第一模型进行至少一次训练，包括：

9.根据权利要求7所述的方法，其特征在于，所述方法还包括：

10.一种答复数据生成方法，其特征在于，包括：

11.一种模型训练装置，其特征在于，包括：

12.一种答复数据生成装置，其特征在于，包括：

13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

14.一种可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-9中任一项所述的方法，以及如权利要求10所述的方法。

15.一种计算机程序产品，其特征在于，包括计算机指令，该计算机指令被处理器执行时实现如权利要求1-9中任一项所述的方法，以及如权利要求10所述的方法。