O que é Aprendizagem por Reforço?

Um método de treinamento que usa sinais de preferência humana para moldar o comportamento do modelo.

Um modelo que pontua resultados com base em sinais de preferência, frequentemente usados em pipelines RLHF.

Um sistema de software que pode observar, raciocinar e realizar ações para atingir um objetivo, geralmente usando ferramentas e memória.

Uma abordagem de treinamento e modelagem de comportamento em que os resultados do modelo são guiados por um conjunto fixo de princípios escritos.

Um ciclo iterativo onde um agente de IA observa, planeja, age e reflete até completar uma meta ou atingir uma condição de parada.

Um método de treinamento que ajusta modelos diretamente em pares de preferências sem a necessidade de um modelo de recompensa separado.