What is Reinforcement Learning? Definition | AI Understanding

Definisi

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

Istilah berkaitan

Pembelajaran Pengukuhan daripada Maklum Balas Manusia (RLHF)

Kaedah latihan yang menggunakan isyarat keutamaan manusia untuk membentuk tingkah laku model.

Model yang menjaringkan output berdasarkan isyarat keutamaan, sering digunakan dalam saluran paip RLHF.

Sistem perisian yang boleh memerhati, menaakul dan mengambil tindakan untuk mencapai matlamat, selalunya menggunakan alatan dan ingatan.

AI berperlembagaan

Pendekatan latihan dan pembentukan tingkah laku di mana output model dipandu oleh set tetap prinsip bertulis.

Kitaran 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

See also

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

Semak imbas Glosari AI penuh Terokai semua panduan AI percuma