← 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 пътеки

Въпрос 1 на 6Правилно: 0

Какъв основен компонент на PPO елиминира GRPO?