首页 > 试题广场 >

在RLHF流程中,奖励模型的作用,以下描述最准确的是?

[单选题]
在RLHF流程中,奖励模型的作用,以下描述最准确的是?
  • 奖励模型是可微分的人类偏好代理,将主观判断转化为可导的奖励信号
  • 奖励模型本身是强化学习智能体
  • 奖励模型目标是学习模仿人类写作风格
  • 奖励模型直接修改基座模型权重

这道题你会答吗?花几分钟告诉大家答案吧!