← 回傳所有測驗引導式測驗 • 中等 等級 • 6 問題

近端策略優化測驗

測試您對 PPO 如何穩定強化學習及其在 RLHF 中的作用的理解。

相關引導路徑近端策略優化
問題 1 的 6

PPO 的「裁切」主要解決什麼問題？