Обучение с подкреплением
понятие · 1989 · Цифровая эра
Обучение агента наградами (AlphaGo).
Какие принципы и материалы использует
- Искусственная нейронная сеть — использует. Глубокое RL.
Где используется
- Большая языковая модель — используется в. Дообучение с подкреплением.