کیا ہے انعامی ماڈل?

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

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

قابل اعتماد حوالہ لیبل جو ماڈل آؤٹ پٹس کو تربیت دینے یا جانچنے کے لیے استعمال ہوتے ہیں۔

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

پری ٹریننگ اور پوسٹ ٹریننگ کے درمیان ایک انٹرمیڈیٹ ٹریننگ مرحلہ، جو اکثر صلاحیت یا ڈومین ایڈجسٹمنٹ کے لیے استعمال ہوتا ہے۔

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۔