人間のフィードバックによる強化学習
人間のフィードバックによる強化学習（英: reinforcement learning from human feedback、RLHF）は、AIモデルの出力において「人間の価値基準（人間の好み）」が反映されるための学習プロセスで、主にChatGPTなど高性能な会話型AIの学習プロセスに採用されている。 ポストトレーニング手法のひとつ。
人間のフィードバックによる強化学習（英: reinforcement learning from human feedback、RLHF）は、AIモデルの出力において「人間の価値基準（人間の好み）」が反映されるための学習プロセスで、主にChatGPTなど高性能な会話型AIの学習プロセスに採用されている。 ポストトレーニング手法のひとつ。
人間のフィードバックによる強化学習（英: reinforcement learning from human feedback、RLHF）は、AIモデルの出力において「人間の価値基準（人間の好み）」が反映されるための学習プロセスで、主にChatGPTなど高性能な会話型AIの学習プロセスに採用されている。 ポストトレーニング手法のひとつ。
出典: Wikipedia「人間のフィードバックによる強化学習」 · CC BY-SA 4.0
この記事を共有: X · Bluesky