什麼是 梯度下降?

一種直接在偏好對上微調模型的訓練方法，無需單獨的獎勵模型。

一個向量，顯示每個參數應改變多少以減少損失。

核心訓練演算法透過網路向後傳播預測誤差來更新模型權重。

數據或模型行為中一致的錯誤或不公平模式。

一種軟化硬標籤以提高泛化能力的正規化方法。

訓練超參數控制每個更新步驟的參數變化量。