← تمام کوئزز پر واپس جائیں۔گائیڈ سے منسلک کوئز • سخت سطح • 6 سوالات

RLHF کوئز میں گروپڈ ریوارڈ نارملائزیشن

گروپڈ ریوارڈ نارملائزیشن اور GRPO الگورتھم کے بارے میں اپنی سمجھ کی جانچ کریں۔

متعلقہ گائیڈ کے راستے

Rlhf میں گروپ شدہ انعام کو معمول بنانا
سوال 1 کی 6درست: 0

گروپ شدہ انعام کو معمول پر لانے میں، ہر جواب کے انعام کے مقابلے میں کیا ہے؟