Qu'est-ce qu'une fonction de récompense ?
C'est quoi ?
Une fonction de récompense note la réponse d'un modèle pendant un entraînement par renforcement : le modèle apprend à produire les réponses qui obtiennent la meilleure note. Elle peut être vérifiable (du code qui contrôle un résultat), une grille d'évaluation ou la consigne d'un modèle juge.
Quand l'utiliser
- Entraîner un modèle sur des tâches dont le résultat se vérifie : calcul, format JSON, tests de code.
- Corriger un comportement précis (ton, longueur, refus) avec une grille.
- Faire noter les réponses par un autre modèle quand la qualité ne se mesure pas par du code.
Les champs de la fiche
| Type | Vérifiable (code), grille d'évaluation ou modèle juge. |
|---|---|
| Langage | Le langage du code, par exemple Python. |
| Fonction, grille ou consigne | Le contenu de la récompense. |
| Exemples notés | Des réponses avec la note attendue, pour vérifier la récompense. |
Comment s'en servir
Onglet « Utiliser » : téléchargez la fonction ou la grille et branchez-la dans votre outil d'entraînement par renforcement.