Jemně doladěné zpatňovací učení
Jemně doladěné zpětné učení (Fine-Tuned Reinforcement Learning) adaptuje předtrénovanou politiku nebo model na nový úkol či behaviorální cíl pomocí zpětnovazebních signálů – včetně lidské zpětné vazby – namísto přetrénování od začátku. Popularizované metodou RLHF, je to klíčová technika pro sladění velkých jazykových modelů a adaptaci hlubokých RL agentů na specializovaná prostředí s minimálním dodatečným množstvím dat.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- 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. link ↗
- 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. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Fine-Tuned Reinforcement Learning (Policy Adaptation via Fine-Tuning). ScholarGate. https://scholargate.app/cs/deep-learning/fine-tuned-reinforcement-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Klasifikace založená na doladěném BERTHluboké učení↔ compare
- Dolaďovaný transformátorHluboké učení↔ compare
- Zpětnovazební učeníHluboké učení↔ compare
- Samoučící se zpatňovací učeníHluboké učení↔ compare
- Přenosové učení s učením posilovánímHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →