基于动态环境的生成策略优化方法、装置、设备及介质

本发明涉及人工智能技术领域，可应用于金融科技及医疗健康等业务场景中，公开了一种基于动态环境的生成策略优化方法、装置、设备及介质，包括：基于多源异构数据流构建动态环境状态向量，利用该向量生成动作向量，结合领域约束策略修正生成的动作向量，获得合规动作向量，并依据其执行后的反馈构建多维奖励向量，将该奖励向量标量化为奖励信号，最终基于奖励信号及交互轨迹采用自适应策略优化模块更新预训练生成式模型，实现策略生成与环境响应的协同演化。本发明通过引入动态环境信息与领域约束，实现对生成式策略的合规修正与优化更新，提升模型在复杂环境中的稳定性与实用性。