بازخورد انسانی

داده‌های ترجیح، اصلاح یا امتیازدهی‌ای که انسان‌ها ارائه می‌کنند و از طریق یک الگوریتم آموزش برای به‌روزرسانی رفتار مدل استفاده می‌شود.