reward design是什么意思，释义 -生物医药大词典

您现在的位置：生物医药大词典 >> 通用词典 >> 词汇解释: reward design


reward design	分享到：
奖励设计
分类：科技 \| 查看相关文献(pubmed) \| 免费全文文献
详细解释：奖励设计（Reward Design），为RL提供奖励信号。传统方法分为两种，一是从环境直接获取奖励信号，二是从专家数据或者偏好数据学习奖励。o1应该是混合了多种奖励设计的方法。比如有ground truth的环境，将结果监督（ORM）转换为过程监督（PRM）。没有ground truth的话，就用专家或者偏好数据来学习奖励。在大量领域上训练奖励模型，提升泛化性。

以下为句子列表：
分享到：