Apprentissage par renforcement (RL)
Apprendre des politiques via des récompenses ou scores en interagissant avec un environnement : fondamental pour les jeux, la robotique et certains ajustements de LLM de type RLHF.
Le RL optimise les comportements par des signaux d’essai : récompenses tardives éparses, pièges exploration vs. exploitation, simulations.
Des systèmes de jeu comme AlphaGo et l’alignment moderne des LLM utilisent parfois des étapes de type RL, par exemple RLHF avec PPO, en complément de logs d’apprentissage supervisé.