Назад към всички викториниТест, свързан с ръководствоСреден Ниво6 Въпроси

Тест за оптимизиране на проксималната политика

Тествайте разбирането си за това как PPO стабилизира обучението за подсилване и неговата роля в RLHF.

Свързани ръководни пътеки

Въпрос 1 на 6Правилно: 0

Какъв проблем основно адресира „изрязването“ на PPO?