Belajar Berita Alat Pekerjaan Misi

Istilah Glosari AI

Apakah Pembelajaran Pengukuhan?

Definisi

Latihan melalui isyarat ganjaran di mana ejen mempelajari tindakan yang memaksimumkan pulangan jangka panjang.

Semak imbas Glosari AI penuh Terokai semua panduan AI percuma

Pembelajaran Pengukuhan daripada Maklum Balas Manusia (RLHF)Kaedah latihan yang menggunakan isyarat keutamaan manusia untuk membentuk tingkah laku model.Model GanjaranModel yang menjaringkan output berdasarkan isyarat keutamaan, sering digunakan dalam saluran paip RLHF.Ejen AISistem perisian yang boleh memerhati, menaakul dan mengambil tindakan untuk mencapai matlamat, selalunya menggunakan alatan dan ingatan.AI berperlembagaanPendekatan latihan dan pembentukan tingkah laku di mana output model dipandu oleh set tetap prinsip bertulis.Gelung AgentikKitaran berulang di mana ejen AI memerhati, merancang, bertindak dan mencerminkan sehingga ia melengkapkan matlamat atau mencapai keadaan berhenti.DPO (Pengoptimuman Keutamaan Langsung)Kaedah latihan yang memperhalusi model secara langsung pada pasangan pilihan tanpa memerlukan model ganjaran yang berasingan.

Ketahui lebih lanjut dalam panduan percuma kami

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

Lihat juga

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