Învață Știri Unelte Joburi Misiune

Termen de glosar AI

Ce este Învățare prin întărire?

Definiție

Antrenamentul prin recompensă semnalează în cazul în care un agent învață acțiuni care maximizează rentabilitatea pe termen lung.

Răsfoiți întregul glosar AI Explorați toate ghidurile AI gratuite

Învățare prin consolidare din feedbackul uman (RLHF)O metodă de antrenament care utilizează semnale de preferințe umane pentru a modela comportamentul modelului.Model de recompensăUn model care punctează ieșirile pe baza semnalelor de preferință, adesea folosit în conductele RLHF.Agent AIUn sistem software care poate observa, raționa și întreprinde acțiuni pentru a atinge un obiectiv, folosind adesea instrumente și memorie.AI constituționalO abordare de formare și formare a comportamentului în care rezultatele modelului sunt ghidate de un set fix de principii scrise.Bucla agenticăUn ciclu iterativ în care un agent AI observă, planifică, acționează și reflectă până când atinge un obiectiv sau atinge o condiție de oprire.DPO (Optimizare directă a preferințelor)O metodă de antrenament care ajustează modelele direct pe perechile de preferințe, fără a avea nevoie de un model de recompensă separat.

Aflați mai multe în ghidurile noastre gratuite

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

Vezi și

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