SHIRITAS

用語集

RLVR(verifiable rewardsによる強化学習)

結果が条件を満たしたかを機械的に確かめられる「検証可能なごほうび」を使って進める強化学習のやり方。主観的な採点に頼りにくい。

たとえば: 正解かどうか自動判定できるクイズで練習して、正解したら加点される学習。

AIによる解説です。正確さは、別のAIで照合していますが、誤りが含まれる可能性があります。

この言葉が出てくる記事