Вікторина, пов’язана з посібником · важко Рівень
Collecting Human Preference Data for RLHF Quiz
Understand pairwise preference collection, rater instructions, reward models, PPO, DPO, position bias, and limits of preference labels.
Питання 1 з 8
Вікторина, пов’язана з посібником · важко Рівень
Understand pairwise preference collection, rater instructions, reward models, PPO, DPO, position bias, and limits of preference labels.