← Назад до всіх тестівВікторина, пов’язана з посібником • Середній Рівень • 6 Питання
Вікторина щодо оптимізації політики
Перевірте своє розуміння того, як PPO стабілізує навчання з підкріпленням і його роль у RLHF.
Питання 1 з 6Правильно: 0
Перевірте своє розуміння того, як PPO стабілізує навчання з підкріпленням і його роль у RLHF.