Vissza az összes kvízhezÚtmutatóhoz kapcsolódó kvízKözepes Szint6 Kérdések

Közvetlen preferenciaoptimalizálási kvíz

Tesztelje, hogy tudja, hogyan működik a Direct Preference Optimization, és miért egyszerűsíti le az igazítást.

Kapcsolódó útmutató utak

kérdés 1 a 6Helyes: 0

Mit szüntet meg az adatvédelmi tisztviselő a hagyományos RLHF-hez képest?