検索
「reinforcement learning」の検索結果: 5件
強化学習
Reinforcement Learning (RL)エージェントが環境の中で試行錯誤し、報酬を最大化する行動を学んでいく機械学習の枠組み。
🎮 強化学習人間のフィードバックによる強化学習
RLHF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。
🤖 大規模言語モデル機械学習
Machine Learning (ML)大量のデータから規則やパターンをコンピュータ自身に学ばせ、予測や分類を行わせる手法。
📊 機械学習PPO(近接方策最適化)
Proximal Policy Optimization (PPO)強化学習の代表的アルゴリズム。RLHFでモデルを安定的に更新するのに使われる。
🤖 大規模言語モデルアクション空間
Action Spaceエージェントが取りうる行動の選択肢全体の範囲。
🤝 RAG・エージェント