Funkcje nagrody do uczenia przez wzmacnianie
Funkcje i rubryki oceniające odpowiedzi modelu, aby trenować go uczeniem przez wzmacnianie.
Nikt jeszcze nic tu nie opublikował. Może Ty?
Czym jest funkcja nagrody?
Funkcja nagrody ocenia odpowiedź modelu podczas uczenia ze wzmocnieniem: model uczy się dawać odpowiedzi, które dostają najlepszą ocenę. Może być weryfikowalna (kod sprawdzający wynik), być kartą oceny lub instrukcjami dla modelu oceniającego.
Przewodnik: Nagrody (RL) →