Belajar Berita Alat Lowongan Misi

Istilah Glosarium AI

Apa itu Pembelajaran Penguatan dari Umpan Balik Manusia (RLHF)?

Definisi

Sebuah metode pelatihan yang menggunakan sinyal preferensi manusia untuk membentuk perilaku model.

Jelajahi Glosarium AI selengkapnya Jelajahi semua panduan AI gratis

Pembelajaran PenguatanPelatihan dengan imbalan memberi sinyal saat agen mempelajari tindakan yang memaksimalkan keuntungan jangka panjang.Model HadiahModel yang menilai keluaran berdasarkan sinyal preferensi, sering digunakan dalam saluran RLHF.DPO (Optimasi Preferensi Langsung)Metode pelatihan yang menyempurnakan model secara langsung pada pasangan preferensi tanpa memerlukan model imbalan terpisah.Pembelajaran BerkelanjutanPendekatan pelatihan yang memungkinkan model terus belajar dari data baru tanpa melupakan pengetahuan sebelumnya.Pembelajaran Sedikit-TembakanMempelajari atau mengadaptasi perilaku hanya dari sejumlah kecil contoh.Model MelayangPenurunan kinerja seiring berjalannya waktu karena kondisi dunia nyata berbeda dari asumsi pelatihan.

Pelajari lebih lanjut di panduan gratis kami

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

Lihat juga

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