← Zpět ke všem kvízůmKvíz spojený s průvodcem • Těžko úroveň • 6 Otázky
Kvíz optimalizace relativních zásad skupiny
Otestujte si své porozumění tomu, jak GRPO trénuje jazykové modely pomocí posilovacího učení.
Otázka 1 z 6
Otestujte si své porozumění tomu, jak GRPO trénuje jazykové modely pomocí posilovacího učení.