真面经，好答案。面试之前，先来面栈。

模型训练与对齐

本分类共 9 个专题 · 704 道题

已筛选

共 704 道题

排序：

4901
贝尔曼方程如何联系状态价值、动作价值与策略求解？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经3 份题集
4902
时序差分学习如何更新价值，单步与 n 步更新有什么取舍？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 份题集
4903
Q-learning 如何更新动作价值，为什么属于异策略学习？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经2 份题集
4904
Sarsa 如何更新动作价值，为什么属于同策略学习？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 份题集
4905
DQN 如何工作，目标网络与经验回放各有什么作用？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经4 份题集
4906
随机策略与确定性策略有什么区别？
模型训练与对齐强化学习与奖励
比较选型
基础
暂无面经1 份题集
4907
DQN 有哪些常见改进变体，各自针对什么问题？
模型训练与对齐强化学习与奖励
比较选型
进阶
暂无面经1 份题集
4908
Double DQN 如何缓解动作价值高估？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 份题集
4909
Dueling DQN 如何分解状态价值与动作优势，有什么作用？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 份题集
4910
策略梯度与 REINFORCE 如何用采样轨迹优化期望回报？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经4 份题集