买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉苏州大学申请的专利一种过程奖励模型训练方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120430424B 。

龙图腾网通过国家知识产权局官网在2025-10-03发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510935492.1，技术领域涉及：G06N5/04；该发明授权一种过程奖励模型训练方法及系统是由李俊涛;丁誉洋;施新宇;张民设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种过程奖励模型训练方法及系统在说明书摘要公布了：本发明涉及人工智能技术领域，尤其涉及一种过程奖励模型训练方法及系统。本发明计算每个样本中问题文本的置信度分数；基于标注样本中问题文本的各个推理步骤的正确性分数、置信度分数、容忍距离超参数，获取标注样本中问题文本的各个推理步骤的目标正确性分数；基于标注样本中问题文本的各个推理步骤的正确性预测分数与目标正确性分数之间的二元交叉熵损失，对过程奖励模型进行训练，将训练好的过程奖励模型作为目标过程奖励模型。本发明提高了过程奖励模型训练的准确性和可靠性，增强了大型语言模型生成文本精度。

本发明授权一种过程奖励模型训练方法及系统在权利要求书中公布了：1.一种过程奖励模型训练方法，其特征在于，包括： 获取数据集，数据集中每个样本包括问题文本及其对应真实答案；利用生成器生成每个样本中问题文本的多个生成解，解包括：预测答案及多个推理步骤； 利用补全器生成每个样本中问题文本的多个补全解，基于每个样本中真实答案及多个补全解中的预测答案，计算每个样本中问题文本的置信度分数； 对于每个样本中问题文本的各个生成解，通过补全器生成当前生成解中每个推理步骤的正确性分数，将当前生成解、生成解中各个推理步骤的正确性分数、问题文本及其置信度分数，作为标注数据集的一个标注样本； 基于标注样本中问题文本的各个推理步骤的正确性分数、置信度分数、容忍距离超参数，获取标注样本中问题文本的各个推理步骤的目标正确性分数； 将标注数据集中标注样本中问题文本、生成解输入过程奖励模型，输出标注样本中问题文本的各个推理步骤的正确性预测分数； 基于标注样本中问题文本的各个推理步骤的正确性预测分数与目标正确性分数之间的二元交叉熵损失，对过程奖励模型进行训练，将训练好的过程奖励模型作为目标过程奖励模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人苏州大学，其通讯地址为：215299 江苏省苏州市吴江区久泳西路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。