Muda wa Kamusi ya AI

Mafunzo ya Kuimarisha kutoka kwa Maoni ya Binadamu (RLHF) ni nini?

Ufafanuzi

Mbinu ya mafunzo inayotumia mawimbi ya mapendeleo ya binadamu kuunda tabia ya kielelezo.

Vinjari Kamusi kamili ya AIGundua miongozo yote ya bure ya AI

Masharti yanayohusiana

Mafunzo ya KuimarishaMazoezi kwa kutumia ishara za zawadi ambapo wakala hujifunza vitendo vinavyoongeza faida ya muda mrefu.Mfano wa TuzoMuundo unaopata matokeo kulingana na mawimbi ya mapendeleo, ambayo hutumiwa mara nyingi katika mabomba ya RLHF.DPO (Uboreshaji wa Upendeleo wa Moja kwa Moja)Mbinu ya mafunzo ambayo hurekebisha muundo wa moja kwa moja kwenye jozi za mapendeleo bila kuhitaji muundo tofauti wa zawadi.Kuendelea KujifunzaMbinu za mafunzo ambazo huruhusu mwanamitindo kuendelea kujifunza kutoka kwa data mpya bila kusahau maarifa ya awali.Mafunzo MachacheKujifunza au kurekebisha tabia kutoka kwa idadi ndogo tu ya mifano.Mfano wa DriftUdhaifu wa utendakazi kadri muda unavyopita hali halisi ya ulimwengu inatofautiana na dhana za mafunzo.

Pata maelezo zaidi katika miongozo yetu ya bila malipo

Deep LearningReinforcement LearningMachine Learning BasicsSupervised Learning

Tazama pia

RetrievalRed TeamingRecommendation SystemRobustnessRecallSafety FilterRAG (Retrieval-Augmented Generation)Scaling Law