O que é Modelo de recompensa?

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

Treinamento por sinais de recompensa onde um agente aprende ações que maximizam o retorno a longo prazo.

Rótulos de referência confiáveis usados para treinar ou avaliar os resultados do modelo.

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

Uma fase intermediária de treinamento entre o pré-treinamento e o pós-treinamento, frequentemente usada para ajustes de capacidade ou domínio.

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