← Kembali kepada semua kuizKuiz berkaitan panduan • Keras Tahap • 6 Soalan

Normalisasi Ganjaran Berkumpulan dalam Kuiz RLHF

Uji pemahaman anda tentang normalisasi ganjaran berkumpulan dan algoritma GRPO.

Laluan panduan yang berkaitanNormalisasi Ganjaran Berkumpulan Dalam Rlhf

soalan 1 daripada 6

Dalam normalisasi ganjaran berkumpulan, berapakah ganjaran setiap respons berbanding?