強化学習は教師あり学習と何が違いますか？

比較軸 ・学習信号 ・目的 強化学習は正解ラベルから学ぶ教師あり学習と異なり、行動の結果として得られる報酬を手がかりに、長期的な成果を最大化する方針を学ぶ点が異なります。

実績・根拠

• —ev-reinforcement-learning-2

向いている相談

学習方式の違いを知りたい相談

他の選択肢との違い

報酬による方策学習

よくある質問

LLMと関係ありますか？

人間のフィードバックによる強化学習（RLHF）で使われます。

情報ソース

• Source
  同上（Sutton & Barto）検証待ち出典を見る