سیکھیں خبریں ٹولز ملازمتیں مشن

AI لغت کی اصطلاح

انعامی ماڈل کیا ہے؟

تعریف

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

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

انسانی تاثرات سے کمک سیکھنا (RLHF)ایک تربیتی طریقہ جو ماڈل کے رویے کو تشکیل دینے کے لیے انسانی ترجیحی اشارے استعمال کرتا ہے۔کمک سیکھناانعامی سگنلز کے ذریعے تربیت جہاں ایک ایجنٹ ایسے اعمال سیکھتا ہے جو طویل مدتی واپسی کو زیادہ سے زیادہ بناتے ہیں۔زمینی سچائیقابل اعتماد حوالہ لیبل جو ماڈل آؤٹ پٹس کو تربیت دینے یا جانچنے کے لیے استعمال ہوتے ہیں۔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۔درمیانی تربیتپری ٹریننگ اور پوسٹ ٹریننگ کے درمیان ایک انٹرمیڈیٹ ٹریننگ مرحلہ، جو اکثر صلاحیت یا ڈومین ایڈجسٹمنٹ کے لیے استعمال ہوتا ہے۔اے آئی ایجنٹایک 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۔

ہماری مفت گائیڈز میں مزید جانیں۔

AI Models Explained Model Collapse Model Lifecycle Model Context Protocol

یہ بھی دیکھیں

Retrieval Robustness Safety Filter Scaling Law Red Teaming Semantic Search Recommendation System Self-Supervised Learning