人間のフィードバックによる強化学習とは
にんげんのふぃーどばっくによるきょうかがくしゅう
別名: RLHF / reinforcement learning from human feedback
人間の評価を報酬として使う強化学習の手法。回答の質や安全性を人の好みに合わせる。対話型AIの調整に使われる。
✓ 監修済み
スライドで学ぶ
3日間の無料トライアル付き・クレジットカード不要・いつでも解約OK
図解
図を読み込み中…