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：

2144
SFT、强化学习和 Agentic CFT 分别解决什么问题？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经1 个题集来源
2469
Deep Research 如何与强化学习结合？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经1 个题集来源
2686
字段提取任务的奖励函数应如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经1 个题集来源
2701
PPO 的 Value Model 或 Critic 起什么作用？
模型训练与对齐强化学习与奖励
原理机制
基础
1 篇面经1 个题集来源
2703
轨迹级奖励与 Token 级优化之间如何分配贡献？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经
3011
GRPO 的 Reward 能否迁移到 PPO？
模型训练与对齐强化学习与奖励
比较选型
进阶
2 篇面经
3367
了解哪些 GRPO 改进算法？
模型训练与对齐强化学习与奖励
概念解释
进阶
1 篇面经1 个题集来源
3370
如何避免奖励坍缩和 Reward Hacking？
模型训练与对齐强化学习与奖励
故障排查
进阶
2 篇面经
3461
如何解释 PPO Loss 中没有 KL 散度这一说法？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经1 个题集来源
3469
项目双维度奖励包含什么，各自解决哪些问题？
模型训练与对齐强化学习与奖励
项目深挖
进阶
2 篇面经