What is Reinforcement Learning? Definition | AI Understanding

Визначення

Навчання за сигналами винагороди, коли агент навчається діям, які максимізують довгострокову віддачу.

Споріднені терміни

Навчання з підкріпленням на основі зворотного зв’язку людини (RLHF)

Метод навчання, який використовує сигнали переваг людини для формування модельної поведінки.

Модель винагороди

Модель, яка оцінює результати на основі сигналів переваги, часто використовується в конвеєрах RLHF.

ШІ агент

Програмна система, яка може спостерігати, міркувати та виконувати дії для досягнення мети, часто використовуючи інструменти та пам’ять.

Конституційний ШІ

Підхід до навчання та формування поведінки, коли результати моделі керуються фіксованим набором письмових принципів.

Агентська петля

Ітеративний цикл, у якому агент штучного інтелекту спостерігає, планує, діє та розмірковує, поки не досягне мети або не досягне умови зупинки.

DPO (пряма оптимізація переваг)

Метод навчання, який точно налаштовує моделі безпосередньо на пари переваг без необхідності окремої моделі винагороди.

Дізнайтеся більше в наших безкоштовних посібниках

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

See also

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

Перегляньте повний Глосарій ШІ Перегляньте всі безкоштовні посібники зі штучного інтелекту