Apprendimento per rinforzo
Paradigma di machine learning in cui un agente impara tramite ricompensa: prova, riceve un riscontro, migliora.
Alla base di AlphaGo, della robotica e della guida autonoma. Con l'RLHF ha dato la rifinitura a ogni LLM moderno. Progettare la funzione di ricompensa giusta è difficile: ricompensa sbagliata, comportamento sbagliato.