Thuật ngữ thuật ngữ AI

Học tăng cường là gì?

Định nghĩa

Đào tạo bằng các tín hiệu khen thưởng trong đó nhân viên học các hành động nhằm tối đa hóa lợi nhuận dài hạn.

Duyệt qua Bảng thuật ngữ AI đầy đủKhám phá tất cả hướng dẫn AI miễn phí

Điều khoản liên quan

Học tăng cường từ phản hồi của con người (RLHF)Một phương pháp đào tạo sử dụng tín hiệu ưu tiên của con người để định hình hành vi của mô hình.Mô hình phần thưởngMột mô hình chấm điểm đầu ra dựa trên các tín hiệu ưu tiên, thường được sử dụng trong đường ống RLHF.Đặc vụ AIMột hệ thống phần mềm có thể quan sát, suy luận và thực hiện các hành động để đạt được mục tiêu, thường sử dụng các công cụ và bộ nhớ.AI hiến phápMột phương pháp đào tạo và định hình hành vi trong đó kết quả đầu ra của mô hình được hướng dẫn bởi một bộ nguyên tắc cố định bằng văn bản.Vòng lặp tác nhânMột chu trình lặp đi lặp lại trong đó tác nhân AI quan sát, lập kế hoạch, hành động và phản ánh cho đến khi hoàn thành mục tiêu hoặc đạt đến điều kiện dừng.DPO (Tối ưu hóa tùy chọn trực tiếp)Một phương pháp đào tạo giúp tinh chỉnh các mô hình trực tiếp trên các cặp ưu tiên mà không cần mô hình phần thưởng riêng.

Tìm hiểu thêm trong hướng dẫn miễn phí của chúng tôi

Deep LearningReinforcement LearningMachine Learning BasicsSupervised Learning

Xem thêm

Red TeamingRecommendation SystemRetrievalRecallRAG (Retrieval-Augmented Generation)RobustnessQuantizationSafety Filter