คืออะไร โมเดลรางวัล?

วิธีการฝึกอบรมที่ใช้สัญญาณความชอบของมนุษย์เพื่อกำหนดรูปแบบพฤติกรรมของโมเดล

การฝึกอบรมโดยให้รางวัลเป็นสัญญาณว่าตัวแทนเรียนรู้การกระทำที่เพิ่มผลตอบแทนในระยะยาวสูงสุด

ป้ายอ้างอิงที่เชื่อถือได้ซึ่งใช้ในการฝึกหรือประเมินผลลัพธ์ของโมเดล

วิธีการฝึกอบรมที่ปรับแต่งโมเดลโดยตรงตามคู่ความชอบ โดยไม่ต้องใช้โมเดลรางวัลแยกต่างหาก

ระยะการฝึกขั้นกลางระหว่างการฝึกก่อนและหลังการฝึก มักใช้เพื่อปรับความสามารถหรือขอบเขต

ระบบซอฟต์แวร์ที่สามารถสังเกต ให้เหตุผล และดำเนินการเพื่อให้บรรลุเป้าหมาย โดยมักใช้เครื่องมือและหน่วยความจำ