← Вернуться ко всем викторинамВикторина, связанная с руководством • Жесткий Уровень • 6 Вопросы
Нормализация группового вознаграждения в викторине RLHF
Проверьте свое понимание нормализации группового вознаграждения и алгоритма GRPO.
Вопрос 1 из 6Правильно: 0