← Powrót do wszystkich quizówQuiz połączony z przewodnikiem • Średni Poziom • 6 Pytania
Quiz dotyczący optymalizacji polityki proksymalnej
Sprawdź, czy rozumiesz, w jaki sposób PPO stabilizuje uczenie się przez wzmacnianie i jego rolę w RLHF.
Pytanie 1 z 6