ScholarGate
সহকারী

পদ্ধতির তুলনা করুন

নির্বাচিত পদ্ধতিগুলো পাশাপাশি পর্যালোচনা করুন; যে সারিগুলোয় পার্থক্য আছে সেগুলো চিহ্নিত করা হয়।

সূক্ষ্ম-সমন্বিত রিইনফোর্সমেন্ট লার্নিং×ফাইন-টিউনড BERT-ভিত্তিক ক্লাসিফিকেশন×
ক্ষেত্রগভীর শিখনগভীর শিখন
পরিবারMachine learningMachine learning
উদ্ভবের বছর2017–20222019
প্রবর্তকChristiano, P. et al.; Ouyang, L. et al.Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (Google AI)
ধরনPolicy adaptation via fine-tuningPre-trained transformer fine-tuned for classification
মৌলিক উৎসOuyang, 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. link ↗Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Proceedings of NAACL-HLT 2019, 4171–4186. DOI ↗
অপর নামRL fine-tuning, policy fine-tuning, RLHF, reinforcement learning from human feedbackBERT fine-tuning, BERT classifier, fine-tuned BERT, BERT sequence classification
সম্পর্কিত55
সারসংক্ষেপFine-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.Fine-Tuned BERT-based Classification adapts a pre-trained BERT transformer to a specific text classification task by adding a lightweight output layer and continuing gradient-based training on labelled examples. It consistently achieves near-state-of-the-art accuracy on sentiment analysis, topic categorisation, intent detection, and other NLP classification tasks with relatively small labelled datasets.
ScholarGateডেটাসেট
  1. v1
  2. 2 উৎস
  3. PUBLISHED
  1. v1
  2. 2 উৎস
  3. PUBLISHED

অনুসন্ধানে যান স্লাইড ডাউনলোড করুন

ScholarGateপদ্ধতির তুলনা করুন: Fine-Tuned Reinforcement Learning · Fine-Tuned BERT-based Classification. 2026-06-18 তারিখে সংগৃহীত, উৎস: https://scholargate.app/bn/compare