Искусственный интеллект
Модель вознаграждения
Модель вознаграждения присваивает ответу числовую оценку, призванную отражать предпочтительность или выполнение критерия. Её обучают на оценках, ранжировании либо проверяемом сигнале. При последующей оптимизации политики эта оценка становится заменителем человеческого суждения.
Пример на практике
Ранжировщик получает два ответа на один запрос и учится ставить выбранному оценщиком больший балл.
Когда пригодится
Используйте для сравнения кандидатов или обучения политики по предпочтениям.
Что важно учитывать
Высокая оценка не гарантирует желаемого поведения вне тренировочных примеров.
Словарь tarasovcode — проект Ильи Тарасова и TarasovWeb. Telegram-канал · #tarasovweb · #ИльяТарасов
Вернуться к 400 терминам