本文へスキップ
Studied
S!
G検定
/
演習問題集
知る
カリキュラム
学ぶ
学習教材
解く
演習問題集
模擬試験
覚える
単語カード
クイズ
用語集
振り返る
学習状況
習得マップ
論点別正答率
復習
出題カバレッジ
ブックマーク
ホーム
状況
教材
演習
模試
用語集
確認問題 深層強化学習
この論点の解説を読む
RLHFの意味
RLHFの説明として、最も適切な選択肢を1つ選べ
人の好みの評価を報酬にして、モデルの応答を望ましい方向へ整える学習
方策の更新の幅を穏やかに保ち、安定して学ぶ強化学習手法
複数の担い手が並行して学び、その結果を集めて更新する強化学習手法
新たに試さず、あらかじめ集めた経験のデータだけから方策を学ぶ方法
採点する
オリジナル問題（スタディードが作成）
前へ
←
次へ
→