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！

龙图腾网获悉浙江大学申请的专利基于数据动态选择的强化学习训练方法及装置、电子设备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：CN121052331B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511588477.0，技术领域涉及：G06N3/092；该发明授权基于数据动态选择的强化学习训练方法及装置、电子设备是由吴洋洋;陈卓越;朱梦莹;席萌;郑小林;尹建伟设计研发完成，并于2025-11-03向国家知识产权局提交的专利申请。

本基于数据动态选择的强化学习训练方法及装置、电子设备在说明书摘要公布了：本发明公开了一种基于动态数据选择的强化学习模型训练方法及装置、电子设备，包括：依据预设的数据质量、多样性及难度评估指标，从原始数学问题数据池中筛选，得到候选训练集；针对候选训练集中的每个训练样本，计算其数据有效性分数；对所述候选训练集进行难度过滤，构建自适应训练课程；根据候选训练集的解答推理过程和奖励分数进一步过滤候选训练集；基于进一步过滤出的候选训练集、数据有效性分数，通过设置随训练进程衰减的温度参数和概率阈值，为当前训练周期动态挑选数据子集；将挑选的数据子集投入强化学习模型训练，根据正确性奖励和格式奖励优化训练强化学习模型。能显著缩短模型训练周期，并达到与全量数据训练相当甚至更优的性能。

本发明授权基于数据动态选择的强化学习训练方法及装置、电子设备在权利要求书中公布了：1.一种基于动态数据选择的强化学习模型训练方法，其特征在于，包括： S1：依据预设的数据质量、多样性及难度评估指标，从原始数学问题数据池中筛选，得到候选训练集； S2：针对所述候选训练集中的每个训练样本，计算其数据有效性分数； S3：对所述候选训练集进行难度过滤，构建自适应训练课程； S4：根据候选训练集的解答推理过程和奖励分数进一步过滤候选训练集； S5：基于进一步过滤出的候选训练集和数据有效性分数，通过设置随训练进程衰减的温度参数和概率阈值，为当前训练周期动态挑选数据子集； S6：将挑选的数据子集投入强化学习模型训练，根据正确性奖励和格式奖励优化训练强化学习模型； 所述数据有效性分数是对问题难度系数、解题思维链长度以及奖励适应度的加权组合，其形式化表达为： ； 其中，为数据有效性分数，为候选训练样本，,,分别是该样本的难度系数、思维链复杂度和奖励适应性的量化分值；是对应三个组件的权重系数； 所述加权组合的权重系数通过Softmax参数化方法进行动态调整，以根据模型训练状态自适应地控制各评估组件的相对重要性，其具体计算公式如下： ； 式中，是与三个组件相对应的实值参数； ； 其中，代表当前样本的静态难度分值，代表整个候选数据集中所有样本的平均难度分值，代表数据集中所有样本难度分值的标准差，是时间依赖权重，是正系数，代表自适应难度调整率； 其中，代表当前样本的解题方案长度，代表整个候选数据集中所有解题方案的平均长度；是一个控制函数对长度偏差敏感度的方差参数； 其中，代表当前样本x在最近几个训练周期内的平均奖励值；代表所有样本的平均奖励值；为自适应调节机制的参数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。