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：

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
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