Aprender Notícias Ferramentas Vagas Missão

Termo do glossário de IA

O que é Modelo de recompensa?

Definição

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

Navegue pelo glossário completo de IA Explore todos os guias gratuitos de IA

Aprendizagem por Reforço com Feedback Humano (RLHF)Um método de treinamento que usa sinais de preferência humana para moldar o comportamento do modelo.Aprendizagem por ReforçoTreinamento por sinais de recompensa onde um agente aprende ações que maximizam o retorno a longo prazo.Verdade fundamentalRótulos de referência confiáveis usados para treinar ou avaliar os resultados do modelo.DPO (otimização de preferência direta)Um método de treinamento que ajusta modelos diretamente em pares de preferências sem a necessidade de um modelo de recompensa separado.Meio de treinamentoUma fase intermediária de treinamento entre o pré-treinamento e o pós-treinamento, frequentemente usada para ajustes de capacidade ou domínio.Agente de IAUm sistema de software que pode observar, raciocinar e realizar ações para atingir um objetivo, geralmente usando ferramentas e memória.

Saiba mais em nossos guias gratuitos

AI Models Explained Model Collapse Model Lifecycle Model Context Protocol

Veja também

Retrieval Robustness Safety Filter Scaling Law Red Teaming Semantic Search Recommendation System Self-Supervised Learning