« Apprentissage par renforcement vérifiable » : différence entre les versions
(Page créée avec « == En construction == == Définition == Reinforcement learning (RL) in verifiable domains uses models that learn to solve problems in areas like programming and math by receiving feedback (rewards or penalties) on their performance, which is verified by external systems. This approach enhances AI reasoning capabilities by allowing agents to test their own solutions, learn from mistakes, and improve through a self-correcting cycle, leading to emergent behaviors a... ») |
Aucun résumé des modifications |
||
| Ligne 2 : | Ligne 2 : | ||
== Définition == | == Définition == | ||
Apprentissage par renforcement qui utilise des modèles qui apprennent à résoudre des problèmes dans des domaines tels que la programmation et les mathématiques en recevant des récompenses ou des pénalités sur leurs réponses qui sont vérifiées par des systèmes externes fiables. | |||
== Compléments == | |||
Cette approche améliore les capacités de raisonnement de l'IA en permettant aux agents de tester leurs propres solutions, d'apprendre de leurs erreurs et de s'améliorer grâce à un cycle d'autocorrection, ce qui conduit à des comportements émergents et à des compétences sophistiquées en matière de résolution de problèmes. | |||
Puisque ce ne sont pas les récompenses qui sont vérifiables, mais les résultats de l'apprentissage, nous proposons ''apprentissage par renforcement à partir de résultats vérifiables''. | |||
== Français == | == Français == | ||
| Ligne 13 : | Ligne 14 : | ||
'''apprentissage par renforcement vérifiable''' | '''apprentissage par renforcement vérifiable''' | ||
'''apprentissage par renforcement à partir de récompenses vérifiables''' (traduction littérale) | '''apprentissage par renforcement à partir de récompenses vérifiables''' (traduction littérale à éviter). | ||
== Anglais == | == Anglais == | ||
'''reinforcement learning with verifiable rewards''' | '''reinforcement learning with verifiable rewards''' | ||
| Ligne 29 : | Ligne 30 : | ||
[https://arxiv.org/abs/2506.14245 Wen et al. (2025) - reinforcement learning with verifiable rewards] | [https://arxiv.org/abs/2506.14245 Wen et al. (2025) - reinforcement learning with verifiable rewards] | ||
[[Catégorie:Vocabulaire]] | [[Catégorie:Vocabulaire]] | ||
Version du 7 octobre 2025 à 15:35
En construction
Définition
Apprentissage par renforcement qui utilise des modèles qui apprennent à résoudre des problèmes dans des domaines tels que la programmation et les mathématiques en recevant des récompenses ou des pénalités sur leurs réponses qui sont vérifiées par des systèmes externes fiables.
Compléments
Cette approche améliore les capacités de raisonnement de l'IA en permettant aux agents de tester leurs propres solutions, d'apprendre de leurs erreurs et de s'améliorer grâce à un cycle d'autocorrection, ce qui conduit à des comportements émergents et à des compétences sophistiquées en matière de résolution de problèmes.
Puisque ce ne sont pas les récompenses qui sont vérifiables, mais les résultats de l'apprentissage, nous proposons apprentissage par renforcement à partir de résultats vérifiables.
Français
apprentissage par renforcement à partir de résultats vérifiables
apprentissage par renforcement vérifiable
apprentissage par renforcement à partir de récompenses vérifiables (traduction littérale à éviter).
Anglais
reinforcement learning with verifiable rewards
RLVR
verifiable reinforcement learning
reinforcement learning in verifiable domains
VRL
Sources
Wen et al. (2025) - reinforcement learning with verifiable rewards
Contributeurs: Claude Coulombe, Patrick Drouin, wiki
