What is Reinforcement Learning? Definition | AI Understanding

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。

相关术语

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。

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。

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

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