ScholarGate
Asszisztens

Módszerek összehasonlítása

Tekintse át a kiválasztott módszereket egymás mellett; az eltérő sorok kiemelve jelennek meg.

Többnyelvű megerősítéses tanulás×Finomhangolt megerősítéses tanulás×
TudományterületMélytanulásMélytanulás
MódszercsaládMachine learningMachine learning
Keletkezés éve2010s (applied to multilingual NLP settings)2017–2022
MegalkotóSutton, R. S. & Barto, A. G. (RL foundations); multilingual extensions emerged from the NLP/RL community in the 2010sChristiano, P. et al.; Ouyang, L. et al.
TípusReinforcement learning applied to multilingual environmentsPolicy adaptation via fine-tuning
AlapműSutton, R. S., & Barto, A. G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN: 978-0262193986Ouyang, 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 ↗
Alternatív nevekCross-Lingual RL, Multilingual RL, Multilingual Policy Learning, Cross-Lingual Reinforcement LearningRL fine-tuning, policy fine-tuning, RLHF, reinforcement learning from human feedback
Kapcsolódó55
ÖsszefoglalóMultilingual Reinforcement Learning applies the RL paradigm — an agent learning by interaction and reward — to environments that involve multiple languages. The agent must interpret multilingual observations, follow cross-lingual instructions, or generalize policies trained in one language to new target languages, making it applicable to cross-lingual dialogue, multilingual game-playing agents, and language-grounded sequential decision tasks.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.
ScholarGateAdatkészlet
  1. v1
  2. 2 Források
  3. PUBLISHED
  1. v1
  2. 2 Források
  3. PUBLISHED

Ugrás a kereséshez Diák letöltése

ScholarGateMódszerek összehasonlítása: Multilingual Reinforcement Learning · Fine-Tuned Reinforcement Learning. Letöltve 2026-06-19, forrás: https://scholargate.app/hu/compare