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：

6580
REINFORCE++ 如何组织无 Critic 的策略优化？
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
6581
RLEP 如何通过经验回放改进大模型强化学习？
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
6582
QMIX 如何在集中训练下学习可分散执行的多智能体策略？
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
6583
RiskQ 如何进行风险敏感的多智能体价值分解？
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
6585
RLVR 如何利用可验证奖励训练，有哪些适用边界？
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
6587
策略对齐中正向与反向 KL 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1 份题集
6588
解耦 PPO 如何区分行为策略、近端策略与当前策略？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经2 份题集
6589
DSPO 如何通过序列级优化与动态过滤训练搜索推理 Agent？
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
6590
SAPO 如何以软门控替代策略优化中的硬裁剪？
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