Termin ze słownika AI

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

Definicja

Metoda szkoleniowa wykorzystująca sygnały preferencji ludzkich do kształtowania zachowań modelu.

Przejrzyj pełny słownik AIPrzeglądaj wszystkie bezpłatne przewodniki AI

Powiązane terminy

Uczenie się przez wzmacnianieSzkolenie za pomocą sygnałów nagrody, podczas którego agent uczy się działań maksymalizujących długoterminowy zwrot.Model nagrodyModel oceniający wyniki na podstawie sygnałów preferencji, często używany w potokach RLHF.DPO (bezpośrednia optymalizacja preferencji)Metoda uczenia, która dostraja modele bezpośrednio na parach preferencji, bez konieczności stosowania osobnego modelu nagrody.Ciągła naukaPodejścia szkoleniowe, które pozwalają modelowi uczyć się na nowych danych, nie zapominając o wcześniejszej wiedzy.Nauka kilku strzałówUczenie się lub dostosowywanie zachowań na podstawie niewielkiej liczby przykładów.Dryf modeluSpadek wydajności z biegiem czasu, gdy warunki rzeczywiste odbiegają od założeń szkoleniowych.

Dowiedz się więcej z naszych bezpłatnych przewodników

Deep LearningReinforcement LearningMachine Learning BasicsSupervised Learning

Zobacz także

RetrievalRed TeamingRecommendation SystemRobustnessRecallSafety FilterRAG (Retrieval-Augmented Generation)Scaling Law