Fine-Tuned Reinforcement Learning
Fine-Tuned Reinforcement Learning passt eine vortrainierte Policy oder ein vortrainiertes Modell mithilfe von Reinforcement-Signalen – einschließlich menschlichem Feedback – an eine neue Aufgabe oder ein neues Verhaltensziel an, anstatt von Grund auf neu zu trainieren. Popularisiert durch RLHF, ist es die Kerntechnik hinter der Ausrichtung großer Sprachmodelle und der Anpassung von Deep-RL-Agenten an spezialisierte Umgebungen mit minimalen zusätzlichen Daten.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Fine-Tuned Reinforcement Learning (Policy Adaptation via Fine-Tuning). ScholarGate. https://scholargate.app/de/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.
- Feinabgestimmte BERT-basierte KlassifikationDeep Learning↔ compare
- Fine-Tuned TransformerDeep Learning↔ compare
- Reinforcement LearningDeep Learning↔ compare
- Selbstüberwachtes bestärkendes LernenDeep Learning↔ compare
- Transfer Learning mit Reinforcement LearningDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →