真面经，好答案。面试之前，先来面栈。

全部题目

已筛选

共 6433 道题

排序：

4895
RLHF 在实践中有哪些局限与挑战？
模型训练与对齐偏好对齐
开放讨论
—
暂无面经3 份题集
4896
会话型 Agent 与任务型 Agent 有什么区别？
Agent 原理与系统Agent 基础与运行循环
比较选型
基础
暂无面经1 份题集
4897
强化学习、监督学习和无监督学习有什么区别？
模型训练与对齐强化学习与奖励
比较选型
基础
暂无面经16 份题集
4898
马尔可夫过程、奖励过程与决策过程有何联系，马尔可夫性意味着什么？
模型训练与对齐强化学习与奖励
概念解释
基础
暂无面经3 份题集
4899
动态规划、蒙特卡洛和时序差分如何估计价值，三者有何区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
暂无面经1 份题集
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 份题集
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
暂无面经3 份题集
4902
时序差分学习如何更新价值，单步与 n 步更新有什么取舍？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 份题集
4903
Q-learning 如何更新动作价值，为什么属于异策略学习？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经2 份题集
4904
Sarsa 如何更新动作价值，为什么属于同策略学习？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 份题集