واژهنامه · تأییدشده · genai
یادگیری تقویتی از بازخورد انسانی
Reinforcement Learning from Human Feedback · RLHF
تعریف
واژهنامهٔ تأییدشده
فنی که مدل را با استفاده از یک مدل پاداش آموزشدیده بر پایهٔ دادههای ترجیح انسانی تنظیم دقیق میکند.
نامهای دیگر: RLHF