RL Reinforcement Learning
ML-Paradigma, bei dem ein Agent durch Trial-and-Error in einer Umgebung lernt, belohnt oder bestraft durch ein Reward-Signal. Es werden keine gelabelten Daten benötigt — der Agent erzeugt seine eigenen.
Klassische Durchbrüche: DeepMinds Atari-spielendes DQN (2013), AlphaGo (2016), AlphaZero (2017), OpenAI Five (Dota, 2018). Moderne Wiederbelebung durch LLMs: RLHF (Alignment), RLVR (Reinforcement Learning from Verifiable Rewards für Mathe/Code) trieb DeepSeek-R1 (2025) an. Algorithmen: Q-Learning, Policy Gradient, PPO (Proximal Policy Optimization — OpenAIs Standardwahl), DPO. Chaotisch und teuer — erfordert Millionen von Episoden. RL „from scratch“ ist weiterhin Forschungsfront.