本申请关于一种对话处理方法、装置、设备及存储介质，涉及人工智能技术领域。所述方法包括：通过对话学习系统中的两个代理网络进行至少一轮对话；按照强化学习的方式获取两个所述代理网络各自与所述至少一轮对话中的每一轮对话对应的状态转移算子；基于两个所述代理网络各自与所述至少一轮对话中的每一轮对话对应的状态转移算子，获取两个所述代理网络各自的损失函数值；基于两个所述代理网络各自的损失函数值，分别对两个所述代理网络进行参数更新。本方案通过引入对话学习系统中两个代理网络各自对应的状态来分解对话产生的奖励，能够更有针对性的对不同的代理网络进行训练，从而提高训练出的对话系统代理网络的准确性。