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：

3369
奖励什么时候使用模型，什么时候使用规则？
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
3373
Agentic RL 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
3448
什么是优势函数？
模型训练与对齐强化学习与奖励
概念解释
基础
1 篇面经2 个题集来源
3449
PPO 中需要训练哪几个模型？
模型训练与对齐强化学习与奖励
原理机制
基础
3 篇面经
3471
奖励函数是否依赖 Ground Truth，如何用大模型评分？
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
4169
GAE 优势函数如何计算，关键参数有什么作用？
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
4678
SFT 与强化学习有哪些优缺点，应如何按任务场景选择？
模型训练与对齐强化学习与奖励
比较选型
进阶
暂无面经3 个题集来源
4900
观测不满足马尔可夫性时，如何构建强化学习的状态表示？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经3 个题集来源
4905
DQN 如何工作，目标网络与经验回放各有什么作用？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经3 个题集来源
4910
策略梯度与 REINFORCE 如何用采样轨迹优化期望回报？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经3 个题集来源