Apa itu Model Hadiah?

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

Pelatihan dengan imbalan memberi sinyal saat agen mempelajari tindakan yang memaksimalkan keuntungan jangka panjang.

Label referensi tepercaya yang digunakan untuk melatih atau mengevaluasi keluaran model.

Metode pelatihan yang menyempurnakan model secara langsung pada pasangan preferensi tanpa memerlukan model imbalan terpisah.

Fase pelatihan perantara antara pra-pelatihan dan pasca-pelatihan, sering kali digunakan untuk penyesuaian kemampuan atau domain.

Sebuah sistem perangkat lunak yang dapat mengamati, menalar, dan mengambil tindakan untuk mencapai suatu tujuan, sering kali menggunakan alat dan memori.