本申請(qǐng)涉及一種強(qiáng)化學(xué)習(xí)模型處理方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。所述方法包括：當(dāng)虛擬環(huán)境中多個(gè)不同陣營(yíng)的虛擬角色之間進(jìn)行交互時(shí)，獲取交互所產(chǎn)生的交互數(shù)據(jù)；通過(guò)圖形處理器和中央處理器分別對(duì)所述交互數(shù)據(jù)進(jìn)行特征提取，并將所提取的特征進(jìn)行合并得到角色特征；通過(guò)強(qiáng)化學(xué)習(xí)模型對(duì)所述角色特征進(jìn)行特征處理，預(yù)測(cè)出每個(gè)虛擬角色對(duì)應(yīng)的交互行為和獎(jiǎng)勵(lì)值；基于包括所述角色特征、所述交互行為和所述獎(jiǎng)勵(lì)值的訓(xùn)練樣本，對(duì)與所述強(qiáng)化學(xué)習(xí)模型關(guān)聯(lián)的模型進(jìn)行迭代訓(xùn)練；當(dāng)訓(xùn)練所得的模型達(dá)到訓(xùn)練停止條件時(shí)，將訓(xùn)練所得的模型作為最終的強(qiáng)化學(xué)習(xí)模型。采用本方法能夠訓(xùn)練得到的強(qiáng)化學(xué)習(xí)模型的精度。