← Назад към всички викториниТест, свързан с ръководство • трудно Ниво • 6 Въпроси

Тест за оптимизиране на относителна групова политика

Тествайте разбирането си за това как GRPO обучава езикови модели с обучение за укрепване.

Свързани ръководни пътекиОптимизация на груповата относителна политика
Въпрос 1 на 6

Какъв основен компонент на PPO елиминира GRPO?