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 · 761 道题

已筛选

共 195 道题

排序：

3717
DeepSeek R1 的训练过程有哪些关键步骤？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经4 个题集来源
4517
强化学习如何解决信用分配，Token 级和序列级奖励有什么区别？
模型训练与对齐强化学习与奖励
比较选型
深入
暂无面经4 个题集来源
4724
强化学习算法可以按哪些维度分类？
模型训练与对齐强化学习与奖励
概念解释
基础
1 篇面经3 个题集来源
4901
贝尔曼方程如何联系状态价值、动作价值与策略求解？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经3 个题集来源
4919
行为克隆有哪些局限，如何缓解误差累积与分布偏移？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经4 个题集来源
5546
多轮 Agent 强化学习中如何设计和验证用户模拟器，防止策略过拟合？
模型训练与对齐强化学习与奖励
方案设计
进阶
2 篇面经2 个题集来源
6039
离线与在线策略学习在数据来源、更新和验证上有什么区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
2 篇面经2 个题集来源
0634
了解哪些强化学习优化算法？
模型训练与对齐强化学习与奖励
比较选型已有答案
基础
2 篇面经1 个题集来源
0679
强化学习训练中的 Reference Model 起什么作用？
模型训练与对齐强化学习与奖励
原理机制已有答案
基础
2 篇面经1 个题集来源
1234
PPO 与 TRPO 有何区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经2 个题集来源