Thuật ngữ thuật ngữ AI

Mô hình phần thưởng là gì?

Định nghĩa

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

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.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.Sự thật mặt đấtNhãn tham chiếu đáng tin cậy được sử dụng để đào tạo hoặc đánh giá kết quả đầu ra của mô hình.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.Giữa buổi tậpGiai đoạn đào tạo trung gian giữa đào tạo trước và sau đào tạo, thường được sử dụng để điều chỉnh năng lực hoặc lĩnh vực.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.

Tìm hiểu thêm trong hướng dẫn miễn phí của chúng tôi

AI Models ExplainedModel CollapseModel LifecycleModel Context Protocol

Xem thêm

RetrievalRobustnessSafety FilterScaling LawRed TeamingSemantic SearchRecommendation SystemSelf-Supervised Learning