本公开提供了一种推荐模型训练方法及装置，涉及计算机技术领域，尤其涉及大数据和深度学习技术领域。具体实现方案为：获取多目标融合推荐模型；在验证参数的基础上，叠加多组不同的参数扰动，得到多组探索参数；获取每组探索参数对应的用户反馈数据和推荐视频场景数据，并获取验证参数对应的用户反馈数据和推荐视频场景数据；计算用户反馈奖励值和视频推荐场景奖励值；针对每组探索参数，基于用户反馈奖励值和视频推荐场景奖励值计算总奖励值；确定优选探索参数，并根据优选探索参数对应的参数扰动调整模型参数。最终在保障视频推荐场景符合预期目标的情况下，提升用户的观看时长和观看体验，且无需人为制定复杂的偏序规则，降低实现复杂度。