真面经，好答案。面试之前，先来面栈。

强化学习与奖励

本分类共 9 个专题 · 704 道题

已筛选

共 179 道题

排序：

4517
强化学习如何解决信用分配，Token 级和序列级奖励有什么区别？
模型训练与对齐强化学习与奖励
比较选型
深入
暂无面经10 份题集
4676
RLHF 奖励模型通常采用什么架构，它与待优化语言模型是什么关系？
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
4678
SFT 与强化学习有哪些优缺点，应如何按任务场景选择？
模型训练与对齐强化学习与奖励
比较选型
进阶
暂无面经7 份题集
4680
强化学习训练为什么容易不稳定，哪些收益使它仍值得使用？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经5 份题集
4721
强化学习中的策略函数、状态值函数和动作值函数分别是什么？
模型训练与对齐强化学习与奖励
概念解释
基础
暂无面经1 份题集
4723
什么是过程奖励模型 PRM？
模型训练与对齐强化学习与奖励
概念解释
进阶
暂无面经7 份题集
4725
DeepSeek-R1-Zero 中的 Zero 指什么？
模型训练与对齐强化学习与奖励
概念解释
进阶
暂无面经1 份题集
4726
DeepSeek-R1-Zero 的训练路线有哪些局限？
模型训练与对齐强化学习与奖励
效果评估
进阶
暂无面经1 份题集
4727
大模型强化学习中的监督冷启动是什么，为什么要使用？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经3 份题集
4728
对于 DeepSeek-R1，PRM 与 MCTS 是否有用，各有什么适用条件？
模型训练与对齐强化学习与奖励
比较选型
深入
暂无面经1 份题集