Résultats de la recherche

Correspondances dans les titres des pages

• Reward function
  63 octet (8 mots) - 3 novembre 2023 à 22:25
• Reward model
  62 octet (9 mots) - 11 mars 2024 à 21:05

Correspondances dans le texte des pages

• Direct Preference Optimization
  ...e original model. In this paper we introduce a new parameterization of the reward model in RLHF that enables extraction of the corresponding optimal policy i
  2 kio (256 mots) - 29 janvier 2024 à 13:34
• Récompenser
  '''reward '''
  552 octet (69 mots) - 28 janvier 2024 à 13:09
• SARSA
  ...gorithme d'apprentissage dont l’acronyme anglais correspond à State-Action-Reward-State-Action, en français: État-Action-Récompense-État-Action. Il s'agi ''' State–action–reward–state–action'''
  715 octet (81 mots) - 28 janvier 2024 à 13:18
• Fonction de récompense
  '''reward function'''
  1 kio (164 mots) - 27 janvier 2024 à 22:45
• Modèle de récompense
  '''reward model'''
  2 kio (352 mots) - 11 mars 2024 à 21:05