← 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 berkaitan

Normalisasi Ganjaran Berkumpulan Dalam Rlhf

soalan 1 daripada 6Betul: 0

Dalam penormalan ganjaran berkumpulan, apakah yang dibandingkan dengan ganjaran setiap respons?