Finjusterad förstärkningsinlärning
Finjusterad förstärkningsinlärning anpassar en förtränad policy eller modell till en ny uppgift eller beteendemässig målsättning med hjälp av förstärkningssignaler — inklusive mänsklig återkoppling — snarare än att träna om från grunden. Populariserad genom RLHF, är det kärntekniken bakom anpassningen av stora språkmodeller och anpassningen av djupa RL-agenter till specialiserade miljöer med minimal ytterligare data.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Fine-Tuned Reinforcement Learning (Policy Adaptation via Fine-Tuning). ScholarGate. https://scholargate.app/sv/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.
- Fintrimmad BERT-baserad klassificeringDjupinlärning↔ compare
- Fintrimmad transformatorDjupinlärning↔ compare
- FörstärkningsinlärningDjupinlärning↔ compare
- Självövervakad förstärkningsinlärningDjupinlärning↔ compare
- Transfer Learning med Reinforcement LearningDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →