生成AI・学習のしくみNo.063 / 204

RLHF

正式名Reinforcement Learning from Human Feedback

人間のフィードバックによる強化学習。人が答えの良し悪しを評価したデータで報酬モデルを作り、より役に立つ・安全な答えを出すように学習させる。