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 · 811 道题

已筛选

共 206 道题

排序：

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
1 篇面经
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
1 篇面经
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
1 篇面经
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
1 篇面经
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
1 篇面经
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
1 篇面经