本申请实施例公开了一种任务决策方法、装置、设备及存储介质，属于人工智能技术领域。所述方法包括：从离线数据池中采样获取多个任务分别对应的训练样本集；采用数据增强的方法，得到每个任务分别对应的多个训练样本集；通过任务推断网络生成训练样本集的任务表示向量；采用对比学习的方法，确定任务推断网络的训练损失；基于各个训练样本的状态向量、动作向量和任务表示向量，确定策略网络的训练损失和评判网络的训练损失；基于上述训练损失对任务决策模型进行训练。本申请通过结合对比学习对任务决策模型的任务推断网络进行训练，实现了任务决策模型的实用性和泛化性能的提高。本申请可适用于机器人控制、自动驾驶、智慧农业等场景中。