强化学习与对齐
强化学习（RL）相关经验与理解：
「字节Seed、字节跳动、百度、美团、腾讯、蚂蚁集团」
是否了解RL？说说你的理解。
是否有大模型训练、RL训练经验？用过什么框架？
是否接触过SFT、RL训练等？
会考虑RL算法吗？
对Agent和RL了解如何？
RL在博弈环境中的应用场景？项目中哪些问题适合用RL解决？
RL的样本量是多少？
原题完整原题
【强化学习基础】强化学习（RL）相关经验与理解：1. 是否了解RL？说说你的理解。2. 是否有大模型训练、RL训练经验？用过什么框架？3. 是否接触过SFT、RL训练等？4. 会考虑RL算法吗？5. 对Agent和RL了解如何？6. RL在博弈环境中的应用场景？项目中哪些问题适合用RL解决？7. RL的样本量是多少？ 「字节Seed、字节跳动、百度、美团、腾讯、蚂蚁集团」
【Action设计】State和action的设计：特征是否直接作为state？action是如何定义的？请结合具体设计方法说明。 「京东、字节跳动、百度」
原题【DQN】介绍Q-learning和DQN 「腾讯」
原题【GAE】知道 GAE 吗? 「美团」
原题缺少状态转移、奖励与策略比较条件，无法计算阈值。
「腾讯、阿里巴巴」
介绍贝尔曼方程；
介绍马尔可夫决策过程；理解马尔可夫过程概念；
计算马尔可夫决策过程的折扣因子γ阈值。
原题完整原题
【MDP】介绍贝尔曼方程；介绍马尔可夫决策过程；理解马尔可夫过程概念；计算马尔可夫决策过程的折扣因子γ阈值。 「腾讯、阿里巴巴」
【PPO】问强化学习ppo/dpo/GRPO。 「腾讯」
原题【RL vs SFT】强化学习和SFT的区别是什么？ 「京东、美团」
原题【RL vs 模仿学习】强化学习和模仿学习的特点，两者的优劣？ 「字节跳动」
原题「百度文心、腾讯、阿里巴巴」
对强化学习算法本身的认知，对其研究和落地怎么看？
常用的有限状态机在决策中有何局限性？
强化学习的损失函数是什么？
怎么看待强化学习的未来？
原题完整原题
【RL基础概念】对强化学习算法本身的认知，对其研究和落地怎么看？常用的有限状态机在决策中有何局限性？强化学习的损失函数是什么？怎么看待强化学习的未来？ 「百度文心、腾讯、阿里巴巴」
【RL应用场景】1. 什么时候做强化学习？对游戏中的AI bot的了解。 2. 闭环条件是什么？ 「字节跳动、腾讯、蚂蚁集团」
原题“闭环”未说明指观测控制、训练评测还是部署反馈。
暂无题目