← Zpět ke všem kvízůmKvíz spojený s průvodcem • Střední úroveň • 6 Otázky
Proximální kvíz optimalizace zásad
Otestujte si své chápání toho, jak PPO stabilizuje posilovací učení a jeho roli v RLHF.
Otázka 1 z 6správně: 0
Otestujte si své chápání toho, jak PPO stabilizuje posilovací učení a jeho roli v RLHF.