cái gì là Học tăng cường?

Một phương pháp đào tạo sử dụng tín hiệu ưu tiên của con người để định hình hành vi của mô hình.

Một mô hình chấm điểm đầu ra dựa trên các tín hiệu ưu tiên, thường được sử dụng trong đường ống RLHF.

Một 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.

Một 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.

Một 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.

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.