强化学习与奖励

本分类共 9 个专题 · 756 道题

7944

Agentic-GRPO 适合哪些业务场景，主要解决什么问题？

模型训练与对齐强化学习与奖励

概念解释

进阶

7945

项目中的 GRPO 训练用了多少数据、运行多久，主要配置是什么？

模型训练与对齐强化学习与奖励

项目深挖

进阶

7946

Agent 红蓝对抗训练如何实现，对抗双方是否由同一智能体承担？

模型训练与对齐强化学习与奖励

方案设计

进阶

8295

PPO 训练不稳定时，应从哪些方面排查？

模型训练与对齐强化学习与奖励

故障排查

进阶

8458

强化学习中的 Return（回报）是什么，如何计算？

模型训练与对齐强化学习与奖励

概念解释

基础

8920

过程奖励信号从哪里来，如何识别和校正偏差？

模型训练与对齐强化学习与奖励

原理机制

进阶

8921

多轮对话强化学习如何设计双层奖励？

模型训练与对齐强化学习与奖励

方案设计

进阶

8924

多轮对话强化学习怎样完成冷启动？

模型训练与对齐强化学习与奖励

方案设计

进阶

9147

什么是行为克隆，如何用它学习机器人策略？

模型训练与对齐强化学习与奖励

原理机制

进阶

9148

模仿学习与强化学习有什么区别？

模型训练与对齐强化学习与奖励

比较选型

基础