[發明專利]AI模型訓練方法、調用方法、服務器及存儲介質

在審

• 申請號: 202011176373.6
• 申請日: 2020-10-28
• 公開（公告）號: CN112274925A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 朱展圖;周正;李宏亮;劉永升
• 申請（專利權）人: 超參數科技（深圳）有限公司
• 主分類號: A63F13/55
• 分類號: A63F13/55;A63F1/00;G06N3/04;G06N3/08
• 代理公司: 深圳市力道知識產權代理事務所(普通合伙) 44507
• 代理人: 何姣

1.一種AI模型訓練方法，其特征在于，包括：

獲取多組第一樣本數據，所述多組第一樣本數據為不同級別的多個用戶對應的數據；

將每一組所述第一樣本數據輸入AI模型，基于監督學習對所述AI模型進行迭代訓練，直至所述AI模型收斂，獲得所述不同級別中每個級別對應的Agent的AI模型；

隨機初始化所述AI模型進行樣本生成操作，獲取第二樣本數據；

將所述第二樣本數據反向傳播輸入至所述AI模型，基于強化學習對所述AI模型進行迭代訓練，并將訓練結果作為新的第二樣本數據，循環執行所述將所述第二樣本數據反向傳播輸入至所述AI模型，基于強化學習對所述AI模型進行迭代訓練的步驟，直至所述AI模型收斂，獲得所述不同級別以外的其他級別對應的Agent的AI模型。

2.根據權利要求1所述的方法，其特征在于，所述將所述第二樣本數據反向傳播輸入至所述AI模型之前，包括：

將所述第二樣本數據緩存于Redis服務器中；

所述將所述第二樣本數據反向傳播輸入至所述AI模型，基于強化學習對所述AI模型進行迭代訓練，包括：

從所述Redis服務器中獲取緩存的所述第二樣本數據，并將所述第二樣本數據反向傳播輸入至所述AI模型，基于強化學習對所述AI模型進行迭代訓練。

3.根據權利要求1所述的方法，其特征在于，所述方法還包括：

控制多個所述Agent執行相應的對局操作，獲得每個所述Agent對應的對局結果；

根據每個所述Agent對應的所述對局結果，對每個所述Agent對應的評估參數進行更新，其中，所述評估參數包括能力置信度；

若更新的所述能力置信度大于第一預設閾值，則返回執行所述控制預設數量的所述Agent執行相應的對局操作的步驟，直至所述能力置信度小于或等于所述第一預設閾值，完成對每個所述Agent的能力評估。

4.根據權利要求3所述的方法，其特征在于，所述評估參數還包括能力評估值，所述根據每個所述Agent對應的所述對局結果，對每個所述Agent對應的評估參數進行更新，包括：

若所述Agent對應的所述對局結果為第一結果，則按照第一預設能力評估值更新公式，更新所述Agent對應的所述能力評估值，以及按照第一預設能力置信度更新公式，更新所述Agent對應的所述能力置信度；

若所述Agent對應的所述對局結果為第二結果，則按照第二預設能力評估值更新公式，更新所述Agent對應的所述能力評估值，以及按照第二預設能力置信度更新公式，更新所述Agent對應的所述能力置信度。

5.一種AI模型調用方法，其特征在于，包括：

獲取待評估Agent對應的第一初始評估參數；

根據所述第一初始評估參數，選取與所述第一初始評估參數匹配的多個第一類基準Agent的AI模型；

調用多個所述第一類基準Agent的AI模型，控制所述待評估Agent與多個所述第一類基準Agent執行相應的對局操作，以對所述待評估Agent進行能力評估。

6.根據權利要求5所述的方法，其特征在于，所述控制所述待評估Agent與多個所述第一類基準Agent執行相應的對局操作，以對所述待評估Agent進行能力評估，包括：

控制所述待評估Agent與多個所述第一類基準Agent執行相應的對局操作，獲得所述待評估Agent對應的對局結果；

根據所述待評估Agent對應的對局結果，對所述第一初始評估參數進行更新，直至更新的所述第一初始評估參數中的能力置信度小于或等于第二預設閾值。

7.根據權利要求5所述的方法，其特征在于，所述方法還包括：

獲取新注冊用戶對應的第二初始評估參數；

根據所述第二初始評估參數，選取與所述第二初始評估參數匹配的多個第二類基準Agent的AI模型；

調用多個所述第二類基準Agent的AI模型，控制多個所述第二類基準Agent與所述新注冊用戶執行相應的對局操作，以對所述新注冊用戶進行能力評估。