← Назад към всички викториниТест, свързан с ръководство • Среден Ниво • 6 Въпроси
Тест за оптимизиране на проксималната политика
Тествайте разбирането си за това как PPO стабилизира обучението за подсилване и неговата роля в RLHF.
Въпрос 1 на 6Правилно: 0