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

Quiz for proksimal policyoptimalisering

Test din forståelse av hvordan PPO stabiliserer forsterkende læring og dens rolle i RLHF.

Relaterte ledestier

Spørsmål 1 av 6Riktig: 0

Hvilket problem adresserer PPOs 'klipping' primært?