← Vissza az összes kvízhezÚtmutatóhoz kapcsolódó kvíz • Kemény Szint • 6 Kérdések

Csoportos relatív házirend optimalizálási kvíz

Tesztelje, hogy megértette, hogyan képezi a GRPO nyelvi modelleket megerősítő tanulással.

kérdés 1 -ból 6

A PPO melyik fő összetevőjét szünteti meg a GRPO?