Înapoi la toate chestionareleTest legat de ghidMediu Nivel6 Întrebări

Test de optimizare directă a preferințelor

Testați-vă înțelegerea modului în care funcționează Optimizarea directă a preferințelor și de ce simplifică alinierea.

Întrebare 1 de 6Corect: 0

Ce elimină DPO în comparație cu RLHF tradițională?