本公开提供了一种对话模型的训练方法、装置、电子设备及存储介质，涉及计算机技术领域，具体涉及自然语言处理和深度学习等人工智能技术领域。具体实施方案为：获取训练样本；基于训练样本对对话模型进行训练，以获取多个回复文本各自的文本识别概率；根据文本识别概率、顺序标签和正负样本标签，确定对话模型的文本生成损失和文本排序损失；基于文本生成损失和文本排序损失，对对话模型进行调整，以生成目标对话模型。由此，通过引入文本排序损失对对话模型进行训练，可以提高相关性高的回复文本在训练过程中的影响力，同时可以提高区分相关性低的回复文本的能力，使得训练好的对话模型可以输出相关性高的回复文本，提升目标对话模型的准确性。