rl

에이전트가 환경과 상호작용하며 보상을 최대화하는 방향으로 행동을 학습하는 방법론입니다. 본문에서는 코딩 제품의 'gold diffs'를 보상 타겟으로 삼아 모델의 성능을 개선하는 맥락에서 언급됩니다.