報酬モデルとは

REWARD MODEL
読み: ホウシュウモデル

報酬モデルとは、Reward Modelとは、AIの生成した回答に対して人間が好ましいと感じる度合いを数値化し、評価基準を提供するモデルである

読み: ホウシュウモデル

LLMの精度向上に不可欠な強化学習のプロセスで活用される。

同じ失敗を二度としないAIエージェント

今のAIは、聞けば何でも答えてくれます。
でも、セッションが切れた瞬間に前回の失敗を忘れます。

当社が開発しているAIは、過去の経緯を念頭に置いて、
聞かれる前に「それは前回うまくいきませんでした」と声をかけます。
人間にも同じ失敗をさせず、AI自身も繰り返しません。

古参の社員が横にいるように、黙っていても気づいてくれる。
それが、当社が考える本当のAI社員です。

相談する