← 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 6

A csoportos jutalomnormalizálás során mihez viszonyítjuk az egyes válaszok jutalmát?