← تمام کوئزز پر واپس جائیں۔گائیڈ سے منسلک کوئز • مشکل 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 راستےRlhf میں گروپ شدہ انعام کو معمول بنانا
سوال 1 کی 6

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