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：

1743
奖励项重要程度不同时，如何平衡各项权重？
模型训练与对齐强化学习与奖励
项目深挖
进阶
2 篇面经1 个题集来源
1750
手写 PPO Loss。
模型训练与对齐强化学习与奖励
代码题
深入
2 篇面经1 个题集来源
2632
DAPO 的改进解决了什么问题？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经1 个题集来源
2688
RL 训练初期奖励先降后升时，如何解释和排查？
模型训练与对齐强化学习与奖励
故障排查
进阶
1 篇面经2 个题集来源
2790
如何平衡强化学习训练效率与稳定性？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经2 个题集来源
2834
GRPO 训练数据应满足哪些要求？
模型训练与对齐强化学习与奖励
方案设计
进阶
2 篇面经1 个题集来源
2914
为什么选择 DPO 而不选择 GRPO？
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
3052
GRPO 中 KL 散度损失如何计算实现？
模型训练与对齐强化学习与奖励
原理机制
深入
1 篇面经2 个题集来源
3363
项目奖励函数后续有什么改进思路？
模型训练与对齐强化学习与奖励
项目深挖
进阶
2 篇面经1 个题集来源
3368
较长对话的强化学习奖励如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经2 个题集来源