用語集 › reinforcement
GLOSSARY
reinforcement
強化。試行と報酬で行動を学ばせる
12本の論文題名に登場
定義
行動の結果として得られる報酬を手がかりに方策を改善する学習の枠組み（強化学習）を指す語。正解ラベルではなく評価信号だけが与えられること、行動が次に見る状態を変えることが教師あり学習との違い。LLM では人間の選好を報酬に変換して調整する用途で頻出する。
論文題名での読み方
強化学習の強化
この語が出てくる解説
- 論文解説: It Takes Two to Match — 検索の「両側」をRLで共進化させるCoGRIt Takes Two to Match: Co-Evolving Generative Retriever with Reinforcement Learning
- 自己改善するAI — 共進化・自己対戦・カリキュラム生成の系譜Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm
- 蒸留データの設計 — 教師に何を答えさせるかDeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning