What is Reinforcement Learning? Definition | AI Understanding

Definice

Trénink pomocí signálů odměn, kdy se agent učí akce, které maximalizují dlouhodobou návratnost.

Související pojmy

Posílení učení z lidské zpětné vazby (RLHF)

Tréninková metoda, která využívá signály lidských preferencí k formování chování modelu.

Model, který hodnotí výstupy na základě preferenčních signálů, často používaný v potrubích RLHF.

Softwarový systém, který dokáže pozorovat, uvažovat a podnikat kroky k dosažení cíle, často pomocí nástrojů a paměti.

Tréninkový a behaviorální přístup, kde se výstupy modelu řídí pevně daným souborem písemných principů.

Agentická smyčka

Iterativní cyklus, kdy agent umělé inteligence pozoruje, plánuje, jedná a reflektuje, dokud nesplní cíl nebo nedosáhne podmínky zastavení.

DPO (přímá optimalizace preferencí)

Tréninková metoda, která dolaďuje modely přímo na preferenčních párech bez nutnosti samostatného modelu odměn.

Více se dozvíte v našich bezplatných průvodcích

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

Viz také

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

Projděte si celý glosář AI Prozkoumejte všechny bezplatné průvodce AI