学习新闻工具职位使命

人工智能术语

什么是强化学习？

定义

通过奖励信号进行训练，代理学习能够最大化长期回报的行动。

浏览完整的人工智能术语表探索所有免费的人工智能指南

根据人类反馈进行强化学习 (RLHF)一种使用人类偏好信号来塑造模型行为的训练方法。奖励模式一种根据偏好信号对输出进行评分的模型，通常用于 RLHF 管道。人工智能代理一种可以观察、推理并采取行动来实现目标的软件系统，通常使用工具和内存。宪法人工智能一种训练和行为塑造方法，其中模型输出由一组固定的书面原则指导。代理循环人工智能代理观察、计划、行动和反思的迭代循环，直到完成目标或达到停止条件。DPO（直接偏好优化）一种直接在偏好对上微调模型的训练方法，无需单独的奖励模型。

在我们的免费指南中了解更多信息

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

参见

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