Reward Model
مدل پاداش
مدل پاداش؛ مدلی که بازخورد انسانی درباره کیفیت پاسخ‌ها را یاد می‌گیرد و در آموزش با تقویت بازخورد، جای امتیازدهی دستی را می‌گیرد.
تعریف کوتاه
مدل پاداش؛ مدلی که بازخورد انسانی درباره کیفیت پاسخ‌ها را یاد می‌گیرد و در آموزش با تقویت بازخورد، جای امتیازدهی دستی را می‌گیرد.