Thuật ngữ thuật ngữ AI

Học tăng cường từ phản hồi của con người (RLHF) là gì?

Định nghĩa

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

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

Điều khoản liên quan

Học tăng cườngĐào tạo bằng các tín hiệu khen thưởng trong đó nhân viên học các hành động nhằm tối đa hóa lợi nhuận dài hạn.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.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.Học tập liên tụcCác phương pháp đào tạo cho phép mô hình tiếp tục học hỏi từ dữ liệu mới mà không quên kiến thức trước đó.Học ít lầnHọc hỏi hoặc điều chỉnh hành vi chỉ từ một số ít ví dụ.Mô hình trôi dạtSuy giảm hiệu suất theo thời gian khi điều kiện thực tế khác với các giả định về đào tạo.

Tìm hiểu thêm trong hướng dẫn miễn phí của chúng tôi

Deep LearningReinforcement LearningMachine Learning BasicsSupervised Learning

Xem thêm

RetrievalRed TeamingRecommendation SystemRobustnessRecallSafety FilterRAG (Retrieval-Augmented Generation)Scaling Law