← 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.

Kapcsolódó útmutató utak

kérdés 1 a 6Helyes: 0

A PPO melyik fő összetevőjét szünteti meg a GRPO?