角色扮演模型的训练方法、角色扮演方法、装置及设备

本发明提供一种角色扮演模型的训练方法、角色扮演方法、装置及设备，其中方法包括：确定样本对集合中每个样本对对应的得分，基于所有得分的第一排序结果和所有样本对的标签的第二排序结果，对初始奖励模型进行训练，得到奖励参考模型，基于奖励参考模型的模型参数以及样本对话数据，对初始角色扮演模型进行语言风格强化训练，得到角色扮演模型。该方法中奖励参考模型通过得分排序训练能够准确区分与角色相关，以及与角色不相关的候选回答，再基于奖励参考模型的模型参数以及样本对话数据，训练得到角色扮演模型，使得初始角色扮演模型具备与奖励参考模型一样的判别能力，从而实现角色扮演模型的高保真度、高一致性的可复用角色扮演能力。