Обучение Новости Инструм.Вакансии Миссия

Глоссарий терминов искусственного интеллекта

Что такое Обучение с подкреплением?

Определение

Обучение с помощью сигналов вознаграждения, когда агент учится действиям, которые максимизируют долгосрочную отдачу.

Просмотрите полный глоссарий AI Изучите все бесплатные руководства по искусственному интеллекту

Обучение с подкреплением на основе обратной связи с человеком (RLHF)Метод обучения, который использует сигналы человеческих предпочтений для формирования поведения модели.Модель вознагражденияМодель, которая оценивает выходные данные на основе сигналов предпочтений, часто используется в конвейерах RLHF.ИИ-агентПрограммная система, которая может наблюдать, рассуждать и предпринимать действия для достижения цели, часто используя инструменты и память.Конституционный ИИПодход к обучению и формированию поведения, при котором результаты модели определяются фиксированным набором письменных принципов.Агентический циклИтеративный цикл, в котором агент ИИ наблюдает, планирует, действует и размышляет, пока не достигнет цели или не достигнет условия остановки.DPO (прямая оптимизация предпочтений)Метод обучения, который настраивает модели непосредственно на парах предпочтений без необходимости использования отдельной модели вознаграждения.

Узнайте больше в наших бесплатных руководствах.

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

См. также

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