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！

龙图腾网获悉山东大学申请的专利基于大语言模型的辅助分层强化学习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：CN119514640B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411684419.3，技术领域涉及：G06N3/092；该发明授权基于大语言模型的辅助分层强化学习训练方法及系统是由庞豹;李千溪;王江;宋勇;傅洪泽;许庆阳;袁宪锋;徐小龙设计研发完成，并于2024-11-22向国家知识产权局提交的专利申请。

本基于大语言模型的辅助分层强化学习训练方法及系统在说明书摘要公布了：本发明提出了基于大语言模型的辅助分层强化学习训练方法及系统，包括：教师智能体和学生智能体收到相同的环境观察信息；教师智能体采用大语言模型，根据接收到的环境观察信息给出指导策略，指导策略被引入训练模块；学生智能体根据环境观察信息给出高层策略，当高层策略传入对应的低层策略选项πω时，πω将根据高层策略目标与环境产生一系列动作直到达到终止条件或超过最大任务步数；同时，低层策略输出的每个动作都将与环境交互并获得环境奖励，环境奖励累加和被视作当前高层动作获得的奖励，环境奖励累加和会被送入训练模块用于学生智能体向环境学习；训练模块将使用损失函数对学生智能体的高层策略网络进行更新。

本发明授权基于大语言模型的辅助分层强化学习训练方法及系统在权利要求书中公布了：1.基于大语言模型的辅助分层强化学习训练方法，其特征是，包括： 教师智能体和学生智能体收到相同的环境观察图像信息； 对于教师智能体： 首先定义高层选项集合,，代表当前智能体可选择的任务技能，代表当前智能体可选择的任务目标； 大语言模型获取提示文本，提示文本pP由两部分组成：和，其中代表当前任务的描述，是当前环境观察o的文本描述； 随后大语言模型将根据p输出用于指导学生智能体的高层策略，该策略为文本动作； 动作分解模块将分解为和，代表大语言模型选择的技能选项分布向量，代表大语言模型选择的目标选项分布向量； 用相同的提示文本询问n次大语言模型，分别统计和的选项概率分布、； 教师智能体采用大语言模型，根据接收到的环境观察图像信息给出指导策略，所述指导策略包括技能选项分布向量和目标选项分布向量的选项概率分布，指导策略被引入训练模块； 学生智能体根据环境观察图像信息给出高层策略，当高层策略传入对应的低层策略选项时，将根据高层策略目标与环境产生一系列动作直到达到终止条件或超过最大任务步数； 所述学生智能体将环境观察o图像送入卷积网络以感受环境，卷积网络的输出分别连接两个全连接网络作为技能选项网络和目标选项网络，采用两个独立的全连接网络，共享一个相同的卷积网络用于感受环境； 两个全连接层以softmax函数作为网络输出层，得到学生高层技能选项策略和高层目标选项策略； 通过学生高层技能选项策略和高层目标选项策略得到选项索引向量，，将其组合为高层动作传入低层策略中； 同时，低层策略输出的每个动作都将与环境交互并获得环境奖励，环境奖励累加和被视作当前高层动作获得的奖励，环境奖励累加和会被送入训练模块用于学生智能体向环境学习； 训练模块基于接收的指导策略及环境奖励累加和将使用损失函数对学生智能体的高层策略网络进行更新。

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山东大学，其通讯地址为：264209 山东省威海市环翠区文化西路180；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。