强化学习与奖励

本分类共 9 个专题 · 756 道题

9149

为什么机器人操作任务中经常使用模仿学习？

模型训练与对齐强化学习与奖励

技术决策

进阶

9636

多轮工具调用 Agent 的强化学习损失如何设计与计算？

模型训练与对齐强化学习与奖励

原理机制

进阶

9637

多轮 Agent 强化学习与单轮 LLM 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

进阶

9638

从损失函数角度看，GRPO 有哪些局限？

模型训练与对齐强化学习与奖励

原理机制

进阶

9725

完整 Agent rollout 的最终奖励如何定义和汇总？

模型训练与对齐强化学习与奖励

原理机制

进阶