Metraipolis › archive › dc_f5fa5975ce08
Aprendizaje por refuerzo a partir de retroalimentación humana — Wikipedia (es)
- Source
- Wikipedia (es)
- Original
- https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo_a_partir_de_retroalimentaci%C3%B3n_humana
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-26T19:57:32.786Z
- SHA-256 of the archived text
0358ff6238e60c66fb9f51fd0ecd0941c85f038d883a41b12df7743d406ba992- Stable URL of this page
https://metraipolis.com/documento/dc_f5fa5975ce08
How to cite
Aprendizaje por refuerzo a partir de retroalimentación humana — Wikipedia (es) — Wikipedia (es), https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo_a_partir_de_retroalimentaci%C3%B3n_humana (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_f5fa5975ce08 (Metraipolis archive dc_f5fa5975ce08, sha256 0358ff6238e60c66fb9f51fd0ecd0941c85f038d883a41b12df7743d406ba992)
BibTeX
@misc{dcf5fa5975ce08,
title = {Aprendizaje por refuerzo a partir de retroalimentación humana — Wikipedia (es)},
howpublished = {Wikipedia (es)},
url = {https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo_a_partir_de_retroalimentaci%C3%B3n_humana},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_f5fa5975ce08; sha256 0358ff6238e60c66fb9f51fd0ecd0941c85f038d883a41b12df7743d406ba992},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (es), https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo_a_partir_de_retroalimentaci%C3%B3n_humana. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
En el aprendizaje automático, el aprendizaje por refuerzo a partir de la retroalimentación humana (RLHF) es una técnica para alinear un agente inteligente con las preferencias humanas. Consiste en entrenar un modelo de recompensa para representar las preferencias, que luego puede utilizarse para entrenar otros modelos mediante el aprendizaje por refuerzo. En el aprendizaje por refuerzo clásico, el objetivo de un agente inteligente es aprender una función que guíe su comportamiento, denominada política. Sin embargo, definir explícitamente una función de recompensa que se aproxime con precisión a las preferencias humanas es todo un reto. Por ello, RLHF trata de entrenar un "modelo de recompensa" directamente a partir de los comentarios humanos". El modelo de recompensa se entrena primero de forma supervisada para predecir si una respuesta a una pregunta dada es buena (recompensa alta) o mala (recompensa baja) basándose en los datos de clasificación recogidos de los anotadores humanos. Este modelo sirve entonces como una función de recompensa para mejorar la política de un agente a través de un algoritmo de optimización como la optimización de política proximal. RLHF tiene aplicaciones en varios dominios del aprendizaje automático, incluyendo tareas de procesamiento de lenguaje natural como el resumen de textos y agentes conversacionales, tareas de visión por ordenador como los modelos texto-imagen, y el desarrollo de bots para videojuegos. Aunque RLHF es un método eficaz para entrenar modelos que actúen mejor de acuerdo con las preferencias humanas, también se enfrenta a retos debido a la forma en que se recogen los datos de preferencias humanas. Aunque RLHF no requiere cantidades masivas de datos para mejorar el rendimiento, la obtención de datos de preferencias de alta calidad sigue siendo un proceso costoso. Además, si los datos no se recogen cuidadosamente de una muestra representativa, el modelo resultante puede presentar sesgos no deseados. Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «agente inteligente»). Fonte: Wikipedia in spagnolo, voce «Aprendizaje por refuerzo a partir de retroalimentación humana» — https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo_a_partir_de_retroalimentaci%C3%B3n_humana Wikidata Q115570683 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q115570683 Autori: i contributori di Wikipedia (cronologia: https://es.wikipedia.org/wiki/Aprendizaje_por_refuerzo_a_partir_de_retroalimentaci%C3%B3n_humana?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 174674352, consultata il 2026-10-26T19:46:46.863Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 29cd6c5117cd4326d714c93c5f41e24218139c6d358d60c444429071b5cab2e9