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：

6236
写出或实现 DQN 的训练流程。
模型训练与对齐强化学习与奖励
代码题
进阶
暂无面经1 个题集来源
6239
实现基于采样回报的策略梯度更新。
模型训练与对齐强化学习与奖励
代码题
进阶
暂无面经1 个题集来源
6240
实现 DAPO 的动态采样与策略优化流程。
模型训练与对齐强化学习与奖励
代码题
深入
暂无面经1 个题集来源
6356
多智能体强化学习与单智能体强化学习有哪些关键差异？
模型训练与对齐强化学习与奖励
比较选型
深入
暂无面经1 个题集来源
6357
Memory RL 的跨任务信用分配与训练成本应如何分析？
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
6579
强化学习训练场景如何生成与组织？
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
6580
REINFORCE++ 如何组织无 Critic 的策略优化？
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
6581
RLEP 如何通过经验回放改进大模型强化学习？
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
6583
RiskQ 如何进行风险敏感的多智能体价值分解？
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
6588
解耦 PPO 如何区分行为策略、近端策略与当前策略？
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