← 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.

Пов'язані напрямні шляхиОптимізація проксимальної політики
Питання 1 з 6

Яку проблему в першу чергу вирішує «вирізка» PPO?