← กลับไปที่แบบทดสอบทั้งหมดแบบทดสอบที่เชื่อมโยงกับคำแนะนำ • ยาก ระดับ • 6 คำถาม

การทำให้รางวัลเป็นมาตรฐานแบบกลุ่มในแบบทดสอบ RLHF

ทดสอบความเข้าใจของคุณเกี่ยวกับการทำให้รางวัลเป็นมาตรฐานแบบกลุ่มและอัลกอริทึม GRPO

เส้นทางแนะนำที่เกี่ยวข้องการแบ่งกลุ่มรางวัลให้เป็นมาตรฐานใน Rlhf
คำถาม 1 ของ 6

ในการทำให้รางวัลเป็นมาตรฐานแบบกลุ่ม รางวัลของแต่ละคำตอบเทียบกับอะไร?