#生成AI・LLM

RLHF(人間のフィードバックによる強化学習)とは

AIモデルの出力に対して人間が良し悪しのフィードバックを与え、そのフィードバックを元にモデルを改善する訓練手法。AIの回答を人間の好みや価値観に沿わせるために使われ、ChatGPTの成功の鍵となった技術。

中小企業での使い方や注意点をまとめた「くわしい解説」は準備中です。

RLHF(人間のフィードバックによる強化学習)のイメージ

AIが回答生 成 人間が評価 報酬モデル学 習 モデル改善
最終更新:2026年11月1日