Istilah Glosarium AI

Apa itu Model Hadiah?

Definisi

Model yang menilai keluaran berdasarkan sinyal preferensi, sering digunakan dalam saluran RLHF.

Jelajahi Glosarium AI selengkapnyaJelajahi semua panduan AI gratis

Istilah terkait

Pembelajaran Penguatan dari Umpan Balik Manusia (RLHF)Sebuah metode pelatihan yang menggunakan sinyal preferensi manusia untuk membentuk perilaku model.Pembelajaran PenguatanPelatihan dengan imbalan memberi sinyal saat agen mempelajari tindakan yang memaksimalkan keuntungan jangka panjang.Kebenaran DasarLabel referensi tepercaya yang digunakan untuk melatih atau mengevaluasi keluaran model.DPO (Optimasi Preferensi Langsung)Metode pelatihan yang menyempurnakan model secara langsung pada pasangan preferensi tanpa memerlukan model imbalan terpisah.Pertengahan pelatihanFase pelatihan perantara antara pra-pelatihan dan pasca-pelatihan, sering kali digunakan untuk penyesuaian kemampuan atau domain.Agen AISebuah sistem perangkat lunak yang dapat mengamati, menalar, dan mengambil tindakan untuk mencapai suatu tujuan, sering kali menggunakan alat dan memori.

Pelajari lebih lanjut di panduan gratis kami

AI Models ExplainedModel CollapseModel LifecycleModel Context Protocol

Lihat juga

RetrievalRobustnessSafety FilterScaling LawRed TeamingSemantic SearchRecommendation SystemSelf-Supervised Learning