AI Ordliste Term

Hva er Forsterkende læring?

Definisjon

Trening med belønningssignaler der en agent lærer handlinger som maksimerer langsiktig avkastning.

Relaterte vilkår

Forsterkende læring fra menneskelig tilbakemelding (RLHF)
En treningsmetode som bruker menneskelige preferansesignaler for å forme modellatferd.
Belønningsmodell
En modell som skårer utganger basert på preferansesignaler, ofte brukt i RLHF-rørledninger.
AI-agent
Et programvaresystem som kan observere, resonnere og iverksette tiltak for å oppnå et mål, ofte ved hjelp av verktøy og minne.
Konstitusjonell AI
En trenings- og atferdsformende tilnærming der modellutdata styres av et fast sett med skriftlige prinsipper.
Agentsløyfe
En iterativ syklus der en AI-agent observerer, planlegger, handler og reflekterer til den fullfører et mål eller treffer en stopptilstand.
DPO (direkte preferanseoptimalisering)
En treningsmetode som finjusterer modeller direkte på preferansepar uten å trenge en egen belønningsmodell.

Lær mer i våre gratis guider

Deep LearningReinforcement LearningMachine Learning BasicsSupervised Learning

Se også

Red TeamingRecommendation SystemRetrievalRecallRAG (Retrieval-Augmented Generation)RobustnessQuantizationSafety Filter
Bla gjennom hele AI-ordlistenUtforsk alle gratis AI-guider