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 · 1113 道题

已筛选

共 251 道题

排序：

4917
内在好奇心模块 ICM 如何产生奖励，应如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经1 个题集来源
4920
逆强化学习如何从专家示范推断奖励并学习策略？
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 个题集来源
4944
《Deep RL from Human Preferences》如何从人类偏好学习奖励并优化策略？
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 个题集来源
5227
为什么应将上下文压缩纳入长程 Agent 训练，如何验证其作用？
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 个题集来源
5565
SAC 如何学习最大熵策略，有哪些优势和适用条件？
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 个题集来源
5663
多模态级联强化学习如何衔接离线优化与在线策略优化？
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 个题集来源
6101
强化学习轨迹的自然终止与强制截断有何区别，回报应如何处理？
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 个题集来源
6112
模型式与无模型强化学习如何工作，何时选择？
模型训练与对齐强化学习与奖励
比较选型
进阶
暂无面经1 个题集来源
6114
MuZero 类任务相关模型如何支持规划，与完整观测重建和价值模型有何区别？
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 个题集来源
6131
Skill 库如何与强化学习策略共同训练和演化？
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 个题集来源