← Vissza az összes kvízhezÚtmutatóhoz kapcsolódó kvíz • Kemény Szint • 6 Kérdések
Csoportosított jutalom normalizálása RLHF kvízben
Tesztelje, hogy megértette a csoportos jutalom normalizálását és a GRPO algoritmust.
kérdés 1 -ból 6Helyes: 0
Tesztelje, hogy megértette a csoportos jutalom normalizálását és a GRPO algoritmust.