強化學習

強化學習（RL）是機器學習 (ML)的一種，代理（Agent）透過與環境互動、獲得獎勵或懲罰來學習最佳策略，無需大量標記數據。

核心概念：

• 狀態（State）、動作（Action）、獎勵（Reward）
• 探索與利用的平衡
• 人類回饋強化學習：用人類回饋訓練大型語言模型 (大語言模型 / 大模型)即屬此類

應用：遊戲AI、AI代理、機器人控制、聊天機器人 (對話機器人 / Chatbot)的對齊訓練。