What is Reinforcement Learning? Definition | AI Understanding

定義

透過獎勵訊號進行訓練，代理學習能夠最大化長期回報的行動。

相關術語

根據人類回饋進行強化學習 (RLHF)

一種使用人類偏好訊號來塑造模型行為的訓練方法。

一種根據偏好訊號對輸出進行評分的模型，通常用於 RLHF 管道。

人工智慧代理

一種可以觀察、推理並採取行動來實現目標的軟體系統，通常使用工具和記憶體。

憲法人工智慧

一種訓練和行為塑造方法，其中模型輸出由一組固定的書面原則指導。

人工智慧代理觀察、計劃、行動和反思的迭代循環，直到完成目標或達到停止條件。

DPO（直接偏好優化）

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。

在我們的免費指南中了解更多信息

Deep Learning Reinforcement Learning Machine Learning Basics Supervised Learning

參見

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

瀏覽完整的人工智慧術語表探索所有免費的人工智慧指南