#reinforcement-learning

RLHF（人間のフィードバックによる強化学習）

人の「良し悪し」の評価を手本にして、AIの答え方を好まれる方向へ整える学習法です。

強化学習

うまくいくと「ごほうび」がもらえるしくみで、試行錯誤しながらコツを学ぶ機械学習の方法です。