全部题目

模型、RAG、Agent与工程面试题一网打尽,配套答案解析与延伸追问。

已筛选

共 12224 道题

排序:

4906
随机策略与确定性策略有什么区别?
模型训练与对齐强化学习与奖励
比较选型
基础
4907
DQN 有哪些常见改进变体,各自针对什么问题?
模型训练与对齐强化学习与奖励
比较选型
进阶
4908
Double DQN 如何缓解动作价值高估?
模型训练与对齐强化学习与奖励
原理机制
进阶
4909
Dueling DQN 如何分解状态价值与动作优势,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
4911
A3C 如何通过多个工作进程异步更新 Actor 与 Critic?
模型训练与对齐强化学习与奖励
原理机制
进阶
4913
DDPG 如何进行连续动作控制,为什么属于异策略算法?
模型训练与对齐强化学习与奖励
原理机制
进阶
4914
D4PG 在 DDPG 基础上引入了哪些机制?
模型训练与对齐强化学习与奖励
原理机制
进阶
4917
内在好奇心模块 ICM 如何产生奖励,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
4920
逆强化学习如何从专家示范推断奖励并学习策略?
模型训练与对齐强化学习与奖励
原理机制
进阶
4922
如何训练大模型识别知识边界,并在不知道时诚实回答?
模型训练与对齐偏好对齐
方案设计
进阶