Le RLHF (apprentissage par renforcement à partir de retours humains) est une technique d'entraînement d'IA où des humains notent les réponses d'un modèle, et ces notes servent à ajuster son comportement pour le rendre plus utile et plus sûr ; c'est une étape centrale de l'entraînement de chatbots comme ChatGPT.
« apprentissage par renforcement à partir de retours humains » est une traduction reellement utilisee dans les communautes francophones en ligne, pas seulement un calque de dictionnaire (le sigle RLHF lui-meme est aussi tres souvent utilise tel quel).
Exemples
"Ce refus n'est pas une règle figée, c'est juste un comportement entraîné par le RLHF."
Origine et usage
La méthode s'appuie sur des travaux antérieurs d'« apprentissage par renforcement à partir de retours » comme TAMER, et a été formalisée et popularisée dans la recherche moderne en apprentissage automatique par Christiano et al. en 2017, devenant un vocabulaire central de l'entraînement d'IA à mesure qu'elle se déployait à travers GPT-2, GPT-3 et l'ère ChatGPT.
On l'utilise pour expliquer pourquoi un modèle refuse certaines demandes ou se comporte de façon « polie ».
MENTIONS OVER TIME
Radar observation data not yet available for this term.
Vous voulez voir la fiche complète en anglais avec les tags de catégorie, la tendance, la répartition par plateforme et les votes de la communauté ? Consultez la RLHF fiche complète en anglais →
Not enough Radar data yet.
WHEN DID YOU FIRST HEAR THIS?
CLICK AN OPTION BELOW TO CAST YOUR VOTE.
[ VOTE TO REVEAL COMMUNITY RESULTS ]