What is Reinforcement Learning? Definition | AI Understanding

Definicja

Szkolenie za pomocą sygnałów nagrody, podczas którego agent uczy się działań maksymalizujących długoterminowy zwrot.

Powiązane terminy

Uczenie się przez wzmocnienie na podstawie informacji zwrotnej od ludzi (RLHF)

Metoda szkoleniowa wykorzystująca sygnały preferencji ludzkich do kształtowania zachowań modelu.

Model oceniający wyniki na podstawie sygnałów preferencji, często używany w potokach RLHF.

System oprogramowania, który potrafi obserwować, rozumować i podejmować działania, aby osiągnąć cel, często przy użyciu narzędzi i pamięci.

Konstytucyjna sztuczna inteligencja

Podejście polegające na szkoleniu i kształtowaniu zachowań, w którym wyniki modelu opierają się na ustalonym zestawie pisemnych zasad.

Cykl iteracyjny, w którym agent AI obserwuje, planuje, działa i zastanawia się, dopóki nie osiągnie celu lub nie osiągnie warunku zatrzymania.

DPO (bezpośrednia optymalizacja preferencji)

Metoda uczenia, która dostraja modele bezpośrednio na parach preferencji, bez konieczności stosowania osobnego modelu nagrody.

Dowiedz się więcej z naszych bezpłatnych przewodników

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

Zobacz także

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

Przejrzyj pełny słownik AI Przeglądaj wszystkie bezpłatne przewodniki AI