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 utakKözvetlen preferenciaoptimalizálás
kérdés 1 -ból 6

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