本文源自:金融界

金融界2025年6月25日消息，國家知識(shí)產(chǎn)權(quán)局信息顯示，深圳云天勵(lì)飛技術(shù)股份有限公司申請(qǐng)一項(xiàng)名為“獎(jiǎng)勵(lì)模型優(yōu)化方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)”的專利，公開號(hào)CN120197723A，申請(qǐng)日期為2023年12月。

專利摘要顯示，本發(fā)明公開了一種獎(jiǎng)勵(lì)模型優(yōu)化方法、裝置、計(jì)算機(jī)設(shè)備及存儲(chǔ)介質(zhì)，該方法包括：獲取訓(xùn)練數(shù)據(jù)，訓(xùn)練數(shù)據(jù)包括提示詞和訓(xùn)練答復(fù)；接收訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的標(biāo)注結(jié)果，基于標(biāo)注結(jié)果，確定每一訓(xùn)練數(shù)據(jù)的第一獎(jiǎng)勵(lì)分?jǐn)?shù)；采用原始獎(jiǎng)勵(lì)模型對(duì)訓(xùn)練數(shù)據(jù)進(jìn)行打分標(biāo)注，確定每一訓(xùn)練數(shù)據(jù)的第二獎(jiǎng)勵(lì)分?jǐn)?shù)；基于同一提示詞對(duì)應(yīng)的多個(gè)訓(xùn)練數(shù)據(jù)的第一獎(jiǎng)勵(lì)分?jǐn)?shù)和第二獎(jiǎng)勵(lì)分?jǐn)?shù)，確定原始獎(jiǎng)勵(lì)模型對(duì)應(yīng)的優(yōu)化函數(shù)值；在優(yōu)化函數(shù)值未滿足收斂條件時(shí)，優(yōu)化原始獎(jiǎng)勵(lì)模型的模型參數(shù)；在優(yōu)化函數(shù)值滿足收斂條件時(shí)，將原始獎(jiǎng)勵(lì)模型作為目標(biāo)獎(jiǎng)勵(lì)模型。該方法能夠使獎(jiǎng)勵(lì)模型的評(píng)估效果較為接近人工標(biāo)注的評(píng)估效果，實(shí)現(xiàn)提升原始獎(jiǎng)勵(lì)模型的評(píng)估性能的目的。

天眼查資料顯示，深圳云天勵(lì)飛技術(shù)股份有限公司，成立于2014年，位于深圳市，是一家以從事軟件和信息技術(shù)服務(wù)業(yè)為主的企業(yè)。企業(yè)注冊(cè)資本35513.372萬人民幣。通過天眼查大數(shù)據(jù)分析，深圳云天勵(lì)飛技術(shù)股份有限公司共對(duì)外投資了31家企業(yè)，參與招投標(biāo)項(xiàng)目265次，財(cái)產(chǎn)線索方面有商標(biāo)信息415條，專利信息1785條，此外企業(yè)還擁有行政許可37個(gè)。