Vissza az összes kvízhezÚtmutatóhoz kapcsolódó kvízKözepes Szint6 Kérdések

Proximális házirend-optimalizáló kvíz

Tesztelje, hogy megértette, hogyan stabilizálja a PPO a megerősítő tanulást és szerepét az RLHF-ben.

Kapcsolódó útmutató utak

kérdés 1 a 6Helyes: 0

Milyen problémát old meg elsősorban a PPO „kivágása”?