Muda wa Kamusi ya AI

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

Ufafanuzi

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

Masharti yanayohusiana

Mafunzo ya Kuimarisha
Mazoezi kwa kutumia ishara za zawadi ambapo wakala hujifunza vitendo vinavyoongeza faida ya muda mrefu.
Mfano wa Tuzo
Muundo 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 Kujifunza
Mbinu za mafunzo ambazo huruhusu mwanamitindo kuendelea kujifunza kutoka kwa data mpya bila kusahau maarifa ya awali.
Mafunzo Machache
Kujifunza au kurekebisha tabia kutoka kwa idadi ndogo tu ya mifano.
Mfano wa Drift
Udhaifu 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

See also

RetrievalRed TeamingRecommendation SystemRobustnessRecallSafety FilterRAG (Retrieval-Augmented Generation)Scaling Law
Vinjari Kamusi kamili ya AIGundua miongozo yote ya bure ya AI