Imitation learning

Определение

Метод обучения модели, при котором она копирует поведение эксперта на демонстрациях; используется как начальный этап для борьбы с разреженными наградами или обучения цепочек рассуждений.

Где встречается

• 334. Как вы делаете online RL для агентов (self-improvement loops)
• 637. Что такое Chain-of-Thought без токенов (latent CoT, COCONUT)

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление