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！

龙图腾网获悉上海稀宇科技有限公司申请的专利一种基于动态评价指标的强化学习模型训练方法和装置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：CN120875086B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202510996750.7，技术领域涉及：G06N20/00；该发明授权一种基于动态评价指标的强化学习模型训练方法和装置是由沈旭阳;马琰;杜林鸽设计研发完成，并于2025-07-18向国家知识产权局提交的专利申请。

本一种基于动态评价指标的强化学习模型训练方法和装置在说明书摘要公布了：本发明公开了一种基于动态评价指标的强化学习模型训练方法和装置。该方法包括：基于评分结果从预先确定原始训练数据中筛选目标训练数据；其中，评分结果是对原始训练数据的预测难度进行量化评分后形成的结论；依据强化学习模型对目标训练数据进行预测，输出预测结果，并依据预测结果和预设正确结果，计算评价指标值；确定目标评价指标阈值；其中，目标评价指标阈值依据强化学习模型预测过程进行动态调整；利用评价指标值和目标评价指标阈值，确定奖励函数值和或惩罚函数值，并利用奖励函数值和或惩罚函数值对强化学习模型进行参数优化。本技术方案，通过设置动态评价指标对强化学习模型进行训练，提高了强化学习模型训练的稳定性和效率。

本发明授权一种基于动态评价指标的强化学习模型训练方法和装置在权利要求书中公布了：1.一种基于动态评价指标的强化学习模型训练方法，其特征在于，包括： 基于评分结果从预先确定原始训练数据中筛选目标训练数据；其中，所述评分结果是对原始训练数据的预测难度进行量化评分后形成的结论；所述原始训练数据为图片类原始数据； 依据强化学习模型对所述目标训练数据进行预测，输出预测结果，并依据所述预测结果和预设正确结果，计算评价指标值； 确定目标评价指标阈值；其中，所述目标评价指标阈值依据强化学习模型预测过程进行动态调整； 利用所述评价指标值和所述目标评价指标阈值，确定奖励函数值和或惩罚函数值，并利用所述奖励函数值和或惩罚函数值对强化学习模型进行参数优化； 其中，所述方法还包括： 确定强化学习模型上一训练批次中评价指标值大于目标评价指标阈值的训练数据； 若所述训练数据的数据数量或比例大于预设第一阈值，则在强化学习模型当前训练批次，将上一目标评价指标阈值按第一步长或第二步长递增，得到所述目标评价指标阈值； 若所述训练数据的数据数量或比例小于预设第二阈值，则在强化学习模型当前训练批次，将上一目标评价指标阈值按第三步长或第四步长递减，得到所述目标评价指标阈值；其中，所述第二阈值小于所述第一阈值； 若所述训练数据的数据数量或比例小于等于第一阈值以及大于等于第二阈值，则在强化学习模型当前训练批次，将上一目标评价指标阈值确定为所述目标评价指标阈值。

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上海稀宇科技有限公司，其通讯地址为：200233 上海市徐汇区虹漕路25-1号2楼；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。