What is Reinforcement Learning? Definition | AI Understanding

Itumọ

Ikẹkọ nipasẹ awọn ami ẹsan nibiti aṣoju kan kọ awọn iṣe ti o mu ipadabọ igba pipẹ pọ si.

Awọn ofin ti o jọmọ

Ẹ̀kọ́ Ìmúpadàbọ̀sípò látinú Ìdánilójú Ènìyàn (RLHF)

Ọna ikẹkọ ti o lo awọn ifihan agbara ayanfẹ eniyan lati ṣe apẹrẹ ihuwasi awoṣe.

Awoṣe ti o ṣe iṣiro awọn abajade ti o da lori awọn ifihan agbara ayanfẹ, nigbagbogbo lo ninu awọn paipu RLHF.

Eto sọfitiwia ti o le ṣe akiyesi, ronu, ati ṣe awọn iṣe lati ṣaṣeyọri ibi-afẹde kan, nigbagbogbo lilo awọn irinṣẹ ati iranti.

Idanileko ati ọna apẹrẹ ihuwasi nibiti awọn abajade awoṣe jẹ itọsọna nipasẹ eto ti o wa titi ti awọn ipilẹ kikọ.

Iwọn aṣetunṣe nibiti aṣoju AI ṣe akiyesi, gbero, ṣe iṣe, ati tan imọlẹ titi yoo fi pari ibi-afẹde kan tabi de ipo iduro kan.

DPO (Imudara Iyanfẹ Taara)

Ọna ikẹkọ ti o ṣe atunṣe awọn awoṣe taara taara lori awọn orisii ayanfẹ laisi nilo awoṣe ere lọtọ.

Kọ ẹkọ diẹ sii ninu awọn itọsọna ọfẹ wa

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

Wo tun

Red Teaming Recommendation System Retrieval Recall RAG (Retrieval-Augmented Generation)Robustness Quantization Safety Filter

Ṣawakiri ni kikun AI Gilosari Ṣawari gbogbo awọn itọsọna AI ọfẹ