सीखें समाचार टूल्स नौकरियां मिशन

एआई शब्दावली शब्द

मानव प्रतिक्रिया से सुदृढीकरण सीखना (आरएलएचएफ) क्या है?

परिभाषा

एक प्रशिक्षण पद्धति जो मॉडल व्यवहार को आकार देने के लिए मानव प्राथमिकता संकेतों का उपयोग करती है।

संपूर्ण AI शब्दावली ब्राउज़ करें सभी निःशुल्क एआई गाइडों का अन्वेषण करें

सुदृढीकरण सीखनाइनाम संकेतों द्वारा प्रशिक्षण जहां एक एजेंट ऐसे कार्य सीखता है जो दीर्घकालिक रिटर्न को अधिकतम करते हैं।इनाम मॉडलएक मॉडल जो वरीयता संकेतों के आधार पर आउटपुट स्कोर करता है, अक्सर आरएलएचएफ पाइपलाइनों में उपयोग किया जाता है।डीपीओ (प्रत्यक्ष वरीयता अनुकूलन)एक प्रशिक्षण पद्धति जो अलग-अलग पुरस्कार मॉडल की आवश्यकता के बिना सीधे वरीयता जोड़े पर मॉडल को ठीक करती है।सतत सीखनाप्रशिक्षण दृष्टिकोण जो एक मॉडल को पूर्व ज्ञान को भूले बिना नए डेटा से सीखते रहने देते हैं।फ्यू-शॉट लर्निंगकेवल कुछ उदाहरणों से व्यवहार सीखना या अपनाना।मॉडल बहाववास्तविक दुनिया की स्थितियाँ प्रशिक्षण मान्यताओं से भिन्न होने के कारण समय के साथ प्रदर्शन में गिरावट आती है।

हमारी निःशुल्क मार्गदर्शिकाओं में और जानें

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

यह भी देखें

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