← Vissza az összes kvízhezÚtmutatóhoz kapcsolódó kvíz • Közepes Szint • 6 Kérdések
Proximális házirend-optimalizáló kvíz
Tesztelje, hogy megértette, hogyan stabilizálja a PPO a megerősítő tanulást és szerepét az RLHF-ben.
kérdés 1 a 6Helyes: 0
Tesztelje, hogy megértette, hogyan stabilizálja a PPO a megerősítő tanulást és szerepét az RLHF-ben.