本申請?zhí)峁┮环N對戰(zhàn)游戲中強(qiáng)化學(xué)習(xí)模型的訓(xùn)練方法及裝置，屬于計(jì)算機(jī)技術(shù)領(lǐng)域，涉及人工智能和計(jì)算機(jī)視覺技術(shù)。方法包括：獲取目標(biāo)對戰(zhàn)模型以及所述目標(biāo)對戰(zhàn)模型的相近對手模型，所述相近對手模型為與所述目標(biāo)對戰(zhàn)模型的等級評分之差小于評分閾值的歷史對戰(zhàn)模型，所述等級評分用于評價(jià)模型的對戰(zhàn)能力；基于對戰(zhàn)雙方的對戰(zhàn)狀態(tài)特征，分別確定所述目標(biāo)對戰(zhàn)模型的預(yù)測操作以及所述相近對手模型的預(yù)測操作；利用所述目標(biāo)對戰(zhàn)模型以及所述相近對手模型分別控制對戰(zhàn)雙方執(zhí)行預(yù)測操作以進(jìn)行對戰(zhàn)；確定對戰(zhàn)中所述目標(biāo)對戰(zhàn)模型的操作價(jià)值；基于所述對戰(zhàn)狀態(tài)特征、所述預(yù)測操作以及所述操作價(jià)值訓(xùn)練所述目標(biāo)對戰(zhàn)模型。