一种可控文本生成模型训练方法及相关装置

本申请公开了一种可控文本生成模型训练方法及相关装置，涉及自然语言处理技术领域，该方案中，不仅采用了有监督微调的方式，还采用了人类反馈强化学习，在采用人类反馈强化学习方式对所述可控文本生成模型原型进行训练时，冻结了所述可控文本生成模型原型中的大部分参数，采用多个较小的奖励模型融合的方式替代大型奖励模型，极大降低了训练过程中的算力资源消耗，且训练得到的价值函数可以保障生成的可控文本能够对齐人类评价标准，因此，本申请的训练方法依然能够保障训练效果。