What is Reinforcement Learning? Definition | AI Understanding

定義

報酬によるトレーニングは、エージェントが長期的な利益を最大化するアクションを学習することを示します。

関連用語

ヒューマンフィードバックからの強化学習 (RLHF)

人間の好みの信号を使用してモデルの動作を形成するトレーニング方法。

報酬モデル

RLHF パイプラインでよく使用される、優先信号に基づいて出力をスコアリングするモデル。

AIエージェント

目標を達成するために観察、推論、行動を起こすことができるソフトウェアシステム。多くの場合ツールやメモリを使用します。

モデルの出力が、文書化された一連の固定された原則によって導かれる、トレーニングおよび行動形成のアプローチ。

エージェントループ

AI エージェントが目標を完了するか停止条件に達するまで、観察、計画、行動、反映する反復サイクル。

DPO (直接優先最適化)

別の報酬モデルを必要とせずに、好みのペアに基づいてモデルを直接微調整するトレーニング方法。

無料ガイドで詳細をご覧ください

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

See also

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

AI 用語集の全文を閲覧するすべての無料 AI ガイドを確認する