[发明专利]模型训练、信息处理方法、装置、介质及电子设备

摘要

本公开涉及一种模型训练、信息处理方法、装置、介质及电子设备。方法包括：获取训练数据，包括参考运力在第一时段的第一状态信息、第一奖励信息及第二时段的第二状态信息；根据第一状态信息和第一奖励信息，通过目标模型预测第一时段的第一接单响应信息和第二时段的第二奖励信息；根据第二状态信息和第二奖励信息，通过模型预测第二时段的第二接单响应信息；以目标置信度参数与第一联合概率分布的乘积最小化为目标，对模型进行参数更新；若不满足训练截止条件，则返回获取训练数据的步骤；否则，获得奖励预测模型。这样，能在有较强确定性和选择偏差的数据集中重构出在反事实数据中具有良好泛化能力的奖励预测模型，使下游求解出正确的决策动作。