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：

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
4944
《Deep RL from Human Preferences》如何从人类偏好学习奖励并优化策略？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 份题集
5086
基于提示的 Agent 与经强化学习优化的 Agent 有何区别，如何选择？
模型训练与对齐强化学习与奖励
比较选型
进阶
暂无面经1 份题集
5137
如何用分层强化学习训练高层任务规划与低层工具调用？
模型训练与对齐强化学习与奖励
方案设计
深入
暂无面经2 份题集
5221
VAPO 如何改进长推理强化学习中的价值与优势估计？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经2 份题集
5227
为什么应将上下文压缩纳入长程 Agent 训练，如何验证其作用？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 份题集
5565
SAC 如何学习最大熵策略，有哪些优势和适用条件？
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
5663
多模态级联强化学习如何衔接离线优化与在线策略优化？
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