近年では、評価自体も外部から与えられず、どのように評価するかも学習し（報酬モデル）、その結果に基づいて学習を進める手法も登場している。

, 9, 2026-09-29, /3537 /3538 /3539 /3540 /3541 /3542 /3543 /3544 /3545
Image cached from https://m.media-amazon.com/images/I/516hFS0akeL._SY522_.jpg