一种模型强化学习优化系统、方法及电子设备

本申请公开了一种模型强化学习优化系统、方法及电子设备，涉及人工智能技术领域，由于各计算设备均分配有待优化模型权重、参考模型权重和奖励模型权重，即计算设备部署有全部类型的智能体，能够同时执行预训练语言模型优化过程中的多种计算任务，避免了相关技术中不同阶段任务在不同设备串行执行导致的设备计算资源空闲和浪费的问题，提高了对预训练语言模型的优化效率。