سیکھیں خبریں ٹولز ملازمتیں مشن

AI لغت کی اصطلاح

انسانی تاثرات سے کمک سیکھنا (RLHF) کیا ہے؟

تعریف

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

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

کمک سیکھناانعامی سگنلز کے ذریعے تربیت جہاں ایک ایجنٹ ایسے اعمال سیکھتا ہے جو طویل مدتی واپسی کو زیادہ سے زیادہ بناتے ہیں۔انعامی ماڈلایک ماڈل جو ترجیحی سگنلز کی بنیاد پر آؤٹ پٹ اسکور کرتا ہے، جو اکثر RLHF پائپ لائنوں میں استعمال ہوتا ہے۔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۔مسلسل سیکھناتربیتی نقطہ نظر جو ایک ماڈل کو پیشگی معلومات کو فراموش کیے بغیر نئے ڈیٹا سے سیکھتے رہنے دیتے ہیں۔چند شاٹ لرننگصرف چند مثالوں سے طرز عمل سیکھنا یا اپنانا۔ماڈل ڈرفٹوقت کے ساتھ ساتھ کارکردگی کا انحطاط کیونکہ حقیقی دنیا کے حالات تربیت کے مفروضوں سے ہٹ جاتے ہیں۔

ہماری مفت گائیڈز میں مزید جانیں۔

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

یہ بھی دیکھیں

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