企查查数据显示，招商银行（600036.SH）公开模型训练方法、装置、设备及存储介质专利，申请日期为2026年9月10日。专利摘要显示，本申请公开了一种模型训练方法、装置、设备及存储介质，涉及模型训练技术领域，包括：在当前训练批次下，获取通过大模型针对同一输入样本生成的多个响应样本，并确定各响应样本对应的原始奖励值；检测各训练样本组内是否出现阶跃奖励区分失效现象；将出现失效现象的训练样本组作为失效训练样本组，对其内各响应样本的原始奖励值进行归一化处理，得到归一化奖励值；将各归一化奖励值与组内奖励平均值相减，得到各响应样本的目标优势值；依据目标优势值更新大模型的网络参数。本申请能够提升目标任务推理准确率与训练稳定性。
本文为AI基于商业动态数据生成，仅供参考。