What is Reinforcement Learning? Definition | AI Understanding

Определение

Обучение чрез сигнали за възнаграждение, при което агент научава действия, които максимизират дългосрочната възвръщаемост.

Свързани термини

Обучение за подсилване от човешка обратна връзка (RLHF)

Метод на обучение, който използва сигнали за човешки предпочитания, за да оформи поведението на модела.

Модел на възнаграждение

Модел, който оценява резултатите въз основа на сигнали за предпочитания, често използвани в RLHF тръбопроводи.

Софтуерна система, която може да наблюдава, разсъждава и предприема действия за постигане на цел, често използвайки инструменти и памет.

Конституционен AI

Подход за обучение и формиране на поведение, при който резултатите от модела се ръководят от фиксиран набор от писмени принципи.

Итеративен цикъл, при който AI агент наблюдава, планира, действа и отразява, докато не изпълни цел или достигне условие за спиране.

DPO (директна оптимизация на предпочитанията)

Метод на обучение, който прецизира моделите директно върху двойки предпочитания, без да е необходим отделен модел на възнаграждение.

Научете повече в нашите безплатни ръководства

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

See also

Red Teaming Recommendation System Retrieval Recall RAG (Retrieval-Augmented Generation)Robustness Quantization Safety Filter

Разгледайте пълния AI речник Разгледайте всички безплатни ръководства за AI