腾讯问答汇编
聊了一下 RAG
原题智能体强化学习（Agentic RL）与传统大模型RL的核心差异
原题长时序任务下Agent强化学习训练失稳、容易崩模型的底层原因
原题Agent自进化机制的核心逻辑，是否属于模型自主迭代训练
原题手撕：PPO与GRPO算法在信用分配机制上的核心区别
原题原题带“手撕”前缀，但实际记录为信用分配机制比较，未说明要推导公式还是编码。
PPO的Clip截断约束与KL散度约束是否等价、适用场景差异
原题手撕：DAPO算法Token级损失函数，相较于原生GRPO的优化差异
原题手撕：简单）：三数之和解题思路：哈希表存差值下标一次遍历（两数）；三数之和先排序再双指针去重。时间复杂度：O(n) / O(n^2)空间复杂度：O(n) / O(1)易错点：三数之和要跳过重复元素；注意溢出。
原题原题名称混入两数之和与复杂度提示，主问为三数之和。
手撕：PPO算法中GAE优势函数的作用，已有Critic网络为何仍需GAE
原题上下文压缩（Context Compaction）操作后，模型信用分配难度加剧的原因
原题
暂无题目