reinforcement learning
ڕێگایەکی ڕاهێنانی ژیریی دەستکرد کە مۆدێلەکە بە تاقیکردنەوە فێر دەبێت: بۆ وەڵامی باش خاڵ وەردەگرێت و بۆ خراپ نا، تا وردە وردە باشتر دەبێت.
لە ١ هەواڵی بروسکەدا هاتووە.
ئەو هەواڵانەی ئەم وشەیەیان تێدایە
وشەکانی تری «ژیریی دەستکرد»
- agent
- AGI
- AI
- AI accelerator
- alignment
- API
- Apple Intelligence
- chain of thought
- chatbot
- ChatGPT
- checkpoint
- Codex
- context window
- Copilot+
- deepfake
- diffusion model
- distillation
- fine-tuning
- FLOPs
- FP4
- FP8
- frontier model
- Gemini
- Grok
- hallucination
- Hugging Face
- inference
- Instinct
- INT8
- Llama
- LLM
- local AI
- misalignment
- model weights
- MoE
- multimodal
- open-weight
- parameter
- PetaFLOPS
- physical AI
- prompt
- quantization
- Qwen
- RAG
- reasoning model
- red teaming
- Siri
- supercomputer
- synthetic data
- TensorRT
- token
- TPU
- training
- vibe coding
ئەم ڕوونکردنەوەیە بە ژیریی دەستکرد نووسراوە و بۆ تێگەیشتنی خێرایە، نەک پێناسەیەکی زانستیی ورد.هەموو ٤٠٠ وشەکەی فەرهەنگۆک