「人間のフィードバック」の検索結果: 2件
人間の好みの評価を報酬として[[reinforcement-learning]]を行い、AIの応答を人間の価値観に近づける手法。
事前学習済みのモデルを、特定タスク向けの追加データで再訓練し、専門特化させる手法。