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！

龙图腾网获悉华中科技大学;中国平安财产保险股份有限公司申请的专利一种基于细粒度反馈强化学习的可控文本生成方法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：CN118798139B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202410929860.7，技术领域涉及：G06F40/166；该发明授权一种基于细粒度反馈强化学习的可控文本生成方法是由魏巍;李文迪;许开河;谢文峰;陈当阳设计研发完成，并于2024-07-11向国家知识产权局提交的专利申请。

本一种基于细粒度反馈强化学习的可控文本生成方法在说明书摘要公布了：本发明公开了一种基于细粒度反馈强化学习的可控文本生成方法，包括以下步骤：1针对可控文本生成任务，初始化一个文本生成的策略大模型m；初始化一个作为参考模型m_ref的策略模型副本，一个属性记分器s；还初始化了一个数据池D，并准备了一个前缀语料库供探索；2探索；给定文本生成的前缀x，使用当前策略模型生成后续文本；3分段与加噪；对D内的奖励分段，将噪声注入到每个奖励中；4模型学习；5重复步骤2至4使用更新的模型进行探索，直到训练达到最大次数；6根据前缀，使用学习后的模型生成后续文本，获得最终的生成文本。本发明设计了细粒度的奖励，可以对模型提供更加密集的反馈。

本发明授权一种基于细粒度反馈强化学习的可控文本生成方法在权利要求书中公布了：1.一种基于细粒度反馈强化学习的可控文本生成方法，其特征在于，包括以下步骤： 1针对可控文本生成任务，初始化一个文本生成的策略大模型； 其中，文本生成的策略模型m，包括部分生成的句子，下一个标记信息，每个-对导向的下一个生成的部分句子；将部分生成的句子作为状态，下一个标记作为动作，词汇表是动作空间； 初始化一个作为参考模型的策略模型副本，一个属性记分器；还初始化了一个数据池，并准备了一个前缀语料库供探索； 2探索； 根据可控文本生成任务，给定文本生成的前缀，使用当前策略模型生成后续文本； 对于每个生成的令牌，计算其奖励，并将数据添加到数据池中，为每个数据设置了一个生存期，以指示它仍然可以经历的事件； 3分段与加噪； 对数据池内的奖励分段，并获得分位数，将奖励范围划分为区间；然后，将噪声注入到每个奖励中，同时确保每个奖励保持在原始间隔中，通过这个过程，扰乱奖励顺序，干扰分类器的固定评分模式，同时保持区间之间的相对顺序； 4模型优化学习； 模型训练过程中采用的损失函数如下： 优化问题的最小目标是使总回报最大化； 通过添加标准的最大熵梯度来放松收敛，帮助捕捉不同的行为模式，还插入了KL散度惩罚，以防止模型偏离原始太远； 5重复步骤2至4使用更新的模型进行探索，直到训练达到最大次数； 6根据前缀，使用学习后的模型生成后续文本，获得最终的生成文本。

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华中科技大学;中国平安财产保险股份有限公司，其通讯地址为：430074 湖北省武汉市武昌珞喻路1037号华中科技大学；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。