חזרה לGlossary
מודל תגמול
רשת נוירונית המאומנת לחזות ערכי תגמול סקלריים מזוגות state-action או קטעי trajectory, בדרך כלל מאומנת על העדפות אנושיות או הדגמות מומחה. מודלי תגמול מחליפים פונקציות תגמול שעוצבו ביד בפונקציות למדות. הם מרכזיים לאימון בסגנון RLHF ומשמשים ברובוטיקה לציון מטרות משימה מורכבות שקשה לפורמליזציה מתמטית.