Machine learningDeep learning / NLP / CV
ファインチューニング強化学習
ファインチューニング強化学習（Fine-Tuned Reinforcement Learning）は、ゼロから再学習するのではなく、強化学習シグナル（人間のフィードバックを含む）を用いて、事前学習済みのポリシーやモデルを新しいタスクや行動目標に適応させる手法である。RLHFによって普及し、大規模言語モデルの調整や、最小限の追加データで深層強化学習エージェントを特殊な環境に適応させるための核となる技術となっている。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Fine-Tuned Reinforcement Learning (Policy Adaptation via Fine-Tuning). ScholarGate. https://scholargate.app/ja/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.
- ファインチューニングされたBERTベースの分類深層学習↔ compare
- Fine-Tuned Transformer深層学習↔ compare
- 強化学習深層学習↔ compare
- 自己教師あり強化学習深層学習↔ compare
- 強化学習における転移学習深層学習↔ compare