三一树根机器人强化学习算法面经MJ-NC-2026-08082026-10-19实习北京14 道关联题目交叉熵与 KL 散度有什么联系和区别，分别适用于哪些任务？大语言模型的最后一层输出头是什么，输出张量的形状如何确定？