Reinforcement Learning
Agentes que aprenden a tomar decisiones interactuando con un entorno y recibiendo recompensas.
8 conceptos
Avanzado
Nivel 3Exploration vs. Exploitation
Exploración vs. explotación
El dilema entre aprovechar lo que ya se sabe que funciona y probar opciones nuevas que podrían ser mejores.
AvanzadoPolicy
Política
En aprendizaje por refuerzo, la estrategia que usa un agente para decidir qué acción tomar en cada situación.
AvanzadoQ-Learning
Un algoritmo de aprendizaje por refuerzo que aprende cuánto vale cada acción en cada situación para después elegir la mejor.
AvanzadoRL
Reinforcement Learning
Un paradigma en el que un agente aprende a tomar decisiones probando acciones y recibiendo recompensas o penalizaciones.
AvanzadoReward Function
Función de recompensa
La regla que asigna un valor numérico a lo que hace un agente, indicándole qué tan bien lo está haciendo.
AvanzadoRLAIF
Aprendizaje por refuerzo con retroalimentación de IA
Una variante de RLHF en la que las preferencias las genera un modelo de IA, guiado por principios o instrucciones, en lugar de personas.
Large Language ModelsAvanzadoRLHF
Aprendizaje por refuerzo con retroalimentación humana
Una técnica para ajustar un modelo usando preferencias humanas: personas comparan respuestas y el modelo aprende a producir las preferidas.
Large Language ModelsAvanzado