金融数据驱动的多模态大模型强化学习训练方法及装置

本发明属于金融科技与人工智能交叉技术领域，公开了金融数据驱动的多模态大模型强化学习训练方法及装置。本发明利用GRPO实现了多模态模型对股票图具体准确的分析；设计动态奖励函数，通过匹配格式标签、文本语义相似度和分段奖励机制三重反馈优化模型输出，解决了传统方法因模态割裂导致的股票图表解读准确性不足的问题；利用专家知识引导的GRPO策略优化，在训练过程中通过动态调整策略更新的阈值范围，使模型在训练过程中既能充分学习历史数据中的技术形态规律，又能适应市场突发变化特征，从而提升模型在未见数据上的泛化性能。