企查查APP显示，近日，阿里巴巴（中国）有限公司申请公布“一种基于思维链训练大型语言模型的方法、装置和设备”专利。
专利摘要显示，本发明实施例中，通过获取多个初始采样数据，初始采样数据包括图像、图像的辅助文本信息以及图像的标准审核结果；根据每个初始采用数据生成思维链数据，并确定思维链数据集合；根据思维链数据集合对基础大型语言模型进行全量微调，确定中间大型语言模型；根据中间大型语言模型以及多个所述初始采样数据，迭代生成多个中间思维链数据；进而根据预先设置的奖励函数，确定各所述中间思维链数据的奖励数值；最后采用组相对策略优化算法GRPO对所述中间大型语言模型进行强化学习，确定目标大型语言模型。通过上述方法，可以提高大型语言模型的可解释性和审核精度。
