本公开涉及强化学习技术领域，提供一种强化学习训练方法及装置、电子设备、存储介质，方法包括：基于源任务场景，对预设的强化学习模型进行训练，更新强化学习模型的网络参数，得到初始强化学习模型；分别确定初始强化学习模型中各个网络参数对于前一个任务场景的重要性，得到各个网络参数对应的第一重要性系数；基于根据第一重要性系数确定的损失函数，在预设的当前任务场景中对初始强化学习模型进行训练，更新初始强化学习模型的网络参数，得到目标强化学习模型。本公开能够约束网络参数的更新方向，不仅提高目标强化学习模型的泛化能力，还能使目标强化学习模型在不同的任务场景中均具有较好的性能表现，同时提高了强化学习模型的训练效率。