本說明書實(shí)施例提供一種更新業(yè)務(wù)預(yù)測模型的方法和裝置，其中業(yè)務(wù)預(yù)測模型包括通過強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)的智能體。方法包括：獲取業(yè)務(wù)請求，根據(jù)業(yè)務(wù)請求確定環(huán)境的狀態(tài)特征；將狀態(tài)特征輸入智能體，智能體根據(jù)第一策略參數(shù)下的策略函數(shù)，確定對應(yīng)的業(yè)務(wù)響應(yīng)作為當(dāng)前動作。然后，向環(huán)境輸出業(yè)務(wù)響應(yīng)，基于環(huán)境反饋確定當(dāng)前獎勵。接著，根據(jù)狀態(tài)特征，當(dāng)前動作和當(dāng)前獎勵，以損失函數(shù)最小化為目標(biāo)，確定更新后的第二策略參數(shù)，其中損失函數(shù)與第一目標(biāo)項(xiàng)負(fù)相關(guān)，所述第一目標(biāo)項(xiàng)包括，采用混合高斯模型GMM，將第二策略參數(shù)下的策略函數(shù)表示為K個高斯分布的組合的第一表達(dá)式；于是，可以用第二策略參數(shù)下的策略函數(shù)，更新智能體。