Terme du glossaire IA

Qu’est-ce que Modèle de récompense ?

Définition

Un modèle qui évalue les sorties en fonction des signaux de préférence, souvent utilisé dans les pipelines RLHF.

Parcourez le glossaire complet de l'IAExplorez tous les guides gratuits sur l'IA

Termes associés

Apprentissage par renforcement à partir de la rétroaction humaine (RLHF)Une méthode de formation qui utilise les signaux de préférence humaine pour façonner le comportement du modèle.Apprentissage par renforcementLa formation par récompense signale qu'un agent apprend des actions qui maximisent le rendement à long terme.Vérité terrainÉtiquettes de référence fiables utilisées pour entraîner ou évaluer les sorties du modèle.DPO (Optimisation des Préférences Directes)Une méthode de formation qui affine les modèles directement sur les paires de préférences sans avoir besoin d'un modèle de récompense distinct.Mi-formationUne phase de formation intermédiaire entre la pré-formation et la post-formation, souvent utilisée pour des ajustements de capacités ou de domaines.Agent IAUn 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.

Apprenez-en davantage dans nos guides gratuits

AI Models ExplainedModel CollapseModel LifecycleModel Context Protocol

Voir aussi

RetrievalRobustnessSafety FilterScaling LawRed TeamingSemantic SearchRecommendation SystemSelf-Supervised Learning