نموذج المكافأة

شبكة عصبية مُدرَّبة على تفضيلات بشرية لتقدير جودة استجابة النموذج، تُستخدم كإشارة تدريب في التعلم المعزز بدلاً من التقييم البشري المباشر.

A neural network trained on human preferences to estimate the quality of a model's response, used as a training signal in reinforcement learning instead of direct human evaluation.