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：

4897
强化学习、监督学习和无监督学习有什么区别？
模型训练与对齐强化学习与奖励
比较选型
基础
暂无面经16 份题集
4898
马尔可夫过程、奖励过程与决策过程有何联系，马尔可夫性意味着什么？
模型训练与对齐强化学习与奖励
概念解释
基础
暂无面经3 份题集
4899
动态规划、蒙特卡洛和时序差分如何估计价值，三者有何区别？
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
4900
观测不满足马尔可夫性时，如何构建强化学习的状态表示？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经3 份题集
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