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 · 761 道题

已筛选

共 195 道题

排序：

3654
强化学习任务的奖励函数如何设计？
模型训练与对齐强化学习与奖励
方案设计已有答案
进阶
3 篇面经4 个题集来源
0615
什么情况下使用 PPO，什么情况下使用 GRPO？
模型训练与对齐强化学习与奖励
比较选型已有答案
进阶
5 篇面经1 个题集来源
0635
Agentic RL 是什么？
模型训练与对齐强化学习与奖励
原理机制
基础
3 篇面经3 个题集来源
2689
强化学习如何选择有效难度的样本并提升复杂任务探索？
模型训练与对齐强化学习与奖励
方案设计
进阶
3 篇面经3 个题集来源
2702
GRPO 如何估计组内优势？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经4 个题集来源
3661
GSPO 的核心机制是什么，与 GRPO 有什么关系？
模型训练与对齐强化学习与奖励
原理机制
进阶
3 篇面经3 个题集来源
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6 个题集来源
0103
强化学习包含哪些主要组件？
模型训练与对齐强化学习与奖励
概念解释已有答案
基础
3 篇面经2 个题集来源
0105
On-policy 和 Off-policy 有什么区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
2 篇面经3 个题集来源
0213
GRPO 组内奖励相同或方差接近零时，会有什么问题，如何处理？
模型训练与对齐强化学习与奖励
原理机制已有答案
进阶
4 篇面经1 个题集来源