What is Reinforcement Learning? Definition | AI Understanding

تعریف

انعامی سگنلز کے ذریعے تربیت جہاں ایک ایجنٹ ایسے اعمال سیکھتا ہے جو طویل مدتی واپسی کو زیادہ سے زیادہ بناتے ہیں۔

متعلقہ شرائط

انسانی تاثرات سے کمک سیکھنا (RLHF)

ایک تربیتی طریقہ جو ماڈل کے رویے کو تشکیل دینے کے لیے انسانی ترجیحی اشارے استعمال کرتا ہے۔

انعامی ماڈل

ایک ماڈل جو ترجیحی سگنلز کی بنیاد پر آؤٹ پٹ اسکور کرتا ہے، جو اکثر RLHF پائپ لائنوں میں استعمال ہوتا ہے۔

اے آئی ایجنٹ

ایک ایسا سافٹ ویئر سسٹم جو اکثر ٹولز اور میموری کا استعمال کرتے ہوئے کسی مقصد کو حاصل کرنے کے لیے مشاہدہ، استدلال اور اقدامات کر سکتا ہے۔

ایک تربیت اور طرز عمل کی تشکیل کا نقطہ نظر جہاں ماڈل آؤٹ پٹس کو تحریری اصولوں کے ایک مقررہ سیٹ سے رہنمائی حاصل ہوتی ہے۔

ایجنٹی لوپ

ایک تکراری سائیکل جہاں ایک AI ایجنٹ مشاہدہ کرتا ہے، منصوبہ بندی کرتا ہے، عمل کرتا ہے اور اس وقت تک عکاسی کرتا ہے جب تک کہ یہ ایک ہدف مکمل نہیں کر لیتا یا سٹاپ کنڈیشن کو نہیں مارتا۔

ڈی پی او (براہ راست ترجیحی اصلاح)

ایک تربیتی طریقہ جو ماڈلز کو براہ راست ترجیحی جوڑوں پر بناتا ہے بغیر کسی علیحدہ انعامی ماڈل کی ضرورت کے۔

ہماری مفت گائیڈز میں مزید جانیں۔

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

مکمل AI لغت براؤز کریں۔تمام مفت AI گائیڈز دریافت کریں۔