No aprendizado por reforço, uma IA testa ações e aprende com recompensas ou penalidades o que leva ao objetivo.
Exemplo
Uma IA aprende um jogo jogando milhares de partidas e preferindo as jogadas que renderam mais pontos.
Para profissionais
Um agente escolhe uma ação num estado e recebe uma recompensa; ele otimiza a recompensa total esperada. Em modelos de linguagem, o RL é usado no RLHF e no treinamento de modelos de raciocínio com tarefas verificáveis. Recompensas mal escolhidas levam a atalhos indesejados (reward hacking).
