Qu'est-ce que Modèle de récompense?

Une méthode de formation qui utilise les signaux de préférence humaine pour façonner le comportement du modèle.

La formation par récompense signale qu'un agent apprend des actions qui maximisent le rendement à long terme.

Étiquettes de référence fiables utilisées pour entraîner ou évaluer les sorties du modèle.

Une méthode de formation qui affine les modèles directement sur les paires de préférences sans avoir besoin d'un modèle de récompense distinct.

Une phase de formation intermédiaire entre la pré-formation et la post-formation, souvent utilisée pour des ajustements de capacités ou de domaines.

Un système logiciel capable d'observer, de raisonner et de prendre des mesures pour atteindre un objectif, souvent en utilisant des outils et de la mémoire.