AI Ordlista Term

Vad är Förstärkningsinlärning?

Definition

Träning genom belöningssignaler där en agent lär sig handlingar som maximerar långsiktig avkastning.

Relaterade termer

Reinforcement Learning from Human Feedback (RLHF)
En träningsmetod som använder signaler om mänskliga preferenser för att forma modellbeteende.
Belöningsmodell
En modell som ger utdata baserat på preferenssignaler, som ofta används i RLHF-pipelines.
AI-agent
Ett mjukvarusystem som kan observera, resonera och vidta åtgärder för att uppnå ett mål, ofta med hjälp av verktyg och minne.
Konstitutionell AI
Ett tränings- och beteendeformande tillvägagångssätt där modellens resultat styrs av en fast uppsättning skrivna principer.
Agentslinga
En iterativ cykel där en AI-agent observerar, planerar, agerar och reflekterar tills den slutför ett mål eller träffar ett stoppvillkor.
DPO (Direct Preference Optimization)
En träningsmetod som finjusterar modeller direkt på preferenspar utan att behöva en separat belöningsmodell.

Läs mer i våra kostnadsfria guider

Deep LearningReinforcement LearningMachine Learning BasicsSupervised Learning

See also

Red TeamingRecommendation SystemRetrievalRecallRAG (Retrieval-Augmented Generation)RobustnessQuantizationSafety Filter
Bläddra i hela AI-ordlistanUtforska alla gratis AI-guider