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

Gruppert belønningsnormalisering i RLHF Quiz

Test din forståelse av gruppert belønningsnormalisering og GRPO-algoritmen.

Relaterte ledestier

Gruppert belønningsnormalisering I Rlhf

Spørsmål 1 av 6Riktig: 0

I gruppert belønningsnormalisering, hva er hver responss belønning sammenlignet med?