Reinforcement Learning (RL).
En françaisapprentissage par renforcementAussi : apprentissage par récompense
Apprentissage par essais : le modèle agit, reçoit une récompense, et ajuste son comportement pour en obtenir davantage.
Explication
Contrairement à l’apprentissage supervisé, personne ne donne la bonne réponse : seule une note dit si le résultat était bon. Pour les LLM, il sert après le pré-entraînement, à partir de préférences humaines (RLHF) ou de tâches vérifiables automatiquement.
Exemple
Un modèle reçoit +1 quand le code qu’il écrit passe les tests, 0 sinon.
Limites
Tout dépend de la récompense : mal définie, elle produit des comportements inattendus (piratage de la récompense).
Notions liées
Chaque ligne se lit comme une phrase : « Reinforcement Learning alternative à Self-supervised Learning ».
Sources
Vérification et historique
Sources vérifiées le .
- — Première publication — lot 4 : notions enseignées dans le cours, vocabulaire courant du métier et notions en veille.
Mise en ligne le