Към съдържаниетоScholarGate
БиблиотекаМоята библиотекаБюроReview StudioАсистент
Вход
Fine-Tuned Reinforcement Learning/Доказателство
Запис на доказателства за метод

Fine-Tuned Reinforcement Learning

Fine-Tuned Reinforcement Learning adapts a pre-trained policy or model to a new task or behavioral objective using reinforcement signals — including human feedback — rather than retraining from scratch. Popularized by RLHF, it is the core technique behind aligning large language models and adapting deep RL agents to specialized environments with minimal additional data.

Sources recorded, not reviewed

Изходен запис

Цитиранията са копирани дословно от изходния запис на метода. Те не предполагат проверка на ниво твърдение.

Fine-Tuned Reinforcement Learning (Policy Adaptation via Fine-Tuning)
Таксономичен запис на метод · ml-model / deep-learning
  • Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C., Mishkin, P., Zhang, C., Agarwal, S., Slama, K., Ray, A., Schulman, J., Hilton, J., Kelton, F., Miller, L., Simens, M., Askell, A., Welinder, P., Christiano, P., Leike, J., & Lowe, R. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems, 35, 27730–27744. · URL
  • Christiano, P., Leike, J., Brown, T. B., Martic, M., Legg, S., & Amodei, D. (2017). Deep reinforcement learning from human preferences. Advances in Neural Information Processing Systems, 30. · URL
Отвори пълен метод

Подбрани твърдения

Твърденията са запазени в регистъра на доказателствата, всяко със собствена оценка.

Все още няма подбрани твърдения

Този изглед не измисля оценка на твърдение, когато регистърът няма такава.

Свързани методи

Генерирани от графа на методите и показани като предложени от машината връзки — не се предполага твърдение за доказателство.

Taxonomic bucketFine-Tuned BERT-based Classificationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFine-Tuned Transformermachine-suggested · Relational suggestion, not evidence.Taxonomic bucketReinforcement Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSelf-supervised Reinforcement Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTransfer Learning with Reinforcement Learningmachine-suggested · Relational suggestion, not evidence.

Статус на доказателството

Sources recorded, not reviewed

Bibliographic sources are present. Claim-level evidence review has not been performed.

Източници

2 записани цитата, копирани от изходния запис на метода.

Действия

Отвори страницата на метода
ScholarGate

Справочна библиотека за изследователски методи, в която съдържанието е на първо място — какво представлява всеки метод, как работи и откъде произхожда.

Отворени данни (CC-BY)

Открийте

  • Библиотека
  • Търсене на методи…
  • Преглед по области
  • Области
  • Път
  • Сравни
  • Кой метод?

Справка

  • Предмети
  • Атлас
  • Речник
  • Методология
  • Философия

Работно пространство

  • Моята библиотека
  • Бюро
  • Чат

Компания

  • За нас
  • Цени
  • Контакт
  • Предложете метод

Записите са съставени от публикувани източници с информационна цел. Проверката на точността и пригодността на всяка информация за вашите собствени нужди остава ваша отговорност.

© 2026 ScholarGate · Справочна библиотека за изследователски методи
  • Поверителност
  • Бисквитки
  • Условия
  • Изтриване на акаунта