Înapoi la toate chestionareleTest legat de ghidMediu Nivel6 Întrebări

Test de optimizare a politicilor proximale

Testează-ți înțelegerea modului în care PPO stabilizează învățarea prin consolidare și rolul său în RLHF.

Căi de ghidare aferente

Întrebare 1 de 6Corect: 0

Ce problemă se adresează în primul rând „decuparea” PPO?