← Назад до всіх тестівВікторина, пов’язана з посібником • важко Рівень • 6 Питання

Нормалізація згрупованої винагороди у вікторині RLHF

Перевірте своє розуміння нормалізації згрупованої винагороди та алгоритму GRPO.

Пов'язані напрямні шляхиНормалізація згрупованої винагороди в Rlhf
Питання 1 з 6

У нормалізації згрупованої винагороди, з чим порівнюється винагорода кожної відповіді?