Învățare prin Recompensă Multilingvă
Învățarea prin Recompensă Multilingvă (Multilingual Reinforcement Learning - MRL) aplică paradigma RL — un agent care învață prin interacțiune și recompensă — la medii care implică mai multe limbi. Agentul trebuie să interpreteze observații multilingve, să urmeze instrucțiuni cross-linguale sau să generalizeze politici antrenate într-o limbă la noi limbi țintă, făcând-o aplicabilă dialogului cross-lingual, agenților multilingvi de jocuri și sarcinilor de decizie secvențială ancorate în limbaj.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Sutton, R. S., & Barto, A. G. (1998). Reinforcement Learning: An Introduction. MIT Press. ISBN: 978-0262193986
- Reinforcement learning. Wikipedia. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Multilingual Reinforcement Learning (Cross-Lingual RL for NLP and Language Grounding). ScholarGate. https://scholargate.app/ro/deep-learning/multilingual-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.
- Învățare prin Recompensă Fin AjustatăÎnvățare profundă↔ compare
- Embeddings multilingve pentru propozițiiÎnvățare profundă↔ compare
- Transformer multilingvÎnvățare profundă↔ compare
- Învățare prin consolidareÎnvățare profundă↔ compare
- Învățarea prin Transfer cu Învățare prin ConsolidareÎnvățare profundă↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →