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：

4911
A3C 如何通过多个工作进程异步更新 Actor 与 Critic？
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
4912
Actor-Critic 如何分工协作，有哪些优势？
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
4913
DDPG 如何进行连续动作控制，为什么属于异策略算法？
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
4914
D4PG 在 DDPG 基础上引入了哪些机制？
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
4916
强化学习中有哪些方法可以缓解稀疏奖励问题？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经2 份题集
4917
内在好奇心模块 ICM 如何产生奖励，应如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经1 份题集
4918
模仿学习有哪些主要方法，各自学习什么？
模型训练与对齐强化学习与奖励
比较选型
基础
暂无面经3 份题集
4919
行为克隆有哪些局限，如何缓解误差累积与分布偏移？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经4 份题集
4920
逆强化学习如何从专家示范推断奖励并学习策略？
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
4922
如何训练大模型识别知识边界，并在不知道时诚实回答？
模型训练与对齐偏好对齐
方案设计
进阶
暂无面经1 份题集