Entraînement
Apprentissage par renforcement
Un entraînement par essai et récompense : le modèle tente des actions ou des réponses et est ajusté vers celles qui obtiennent un bon score.
Au-delà du RLHF, l'apprentissage par renforcement sur des tâches vérifiables, comme les maths ou le code, est un ingrédient clé des modèles de raisonnement, qui apprennent à réfléchir plus longtemps quand cela améliore le résultat.
Questions fréquentes
Que signifie Apprentissage par renforcement ?
Un entraînement par essai et récompense : le modèle tente des actions ou des réponses et est ajusté vers celles qui obtiennent un bon score. Au-delà du RLHF, l'apprentissage par renforcement sur des tâches vérifiables, comme les maths ou le code, est un ingrédient clé des modèles de raisonnement, qui apprennent à réfléchir plus longtemps quand cela améliore le résultat.