AI szószedet kifejezés
Mi az a Megerősítő tanulás az emberi visszajelzésből (RLHF)?
Meghatározás
Olyan képzési módszer, amely emberi preferencia jeleket használ a modell viselkedésének alakítására.
AI szószedet kifejezés
Olyan képzési módszer, amely emberi preferencia jeleket használ a modell viselkedésének alakítására.