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：

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