← Tilbake til alle quizerGuide-lenket quiz • Middels Nivå • 6 Spørsmål

Direkte preferanseoptimaliseringsquiz

Test din forståelse av hvordan Direct Preference Optimization fungerer og hvorfor det forenkler justering.

Relaterte ledestier

Spørsmål 1 av 6Riktig: 0

Hva eliminerer DPO sammenlignet med tradisjonell RLHF?