În GRPO, parametrul num_generations (adesea notat G în literatura matematică) specifică câte variante diferite de răspuns generează modelul pentru aceeași întrebare.
# Un grup de G=4 sau G=8 oferă o estimare robustă a mediei și deviației standard
num_generations = 4
print(f"Număr candidați per prompt: {num_generations}")Dacă un răspuns obține scorul 2.0, iar celelalte trei obțin 0.0, răspunsul corect primește un semnal puternic de întărire pozitivă, în timp ce restul sunt descurajate.
Întrebări & Exemple practice:
Setarea Dimensiunii Grupului de Eșantionare (num_generations)Ai o întrebare despre Setarea Dimensiunii Grupului de Eșantionare (num_generations) sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.