已筛选

共 6433 道题

排序:

6237
实现 PPO 的采样、优势估计与策略更新流程。
模型训练与对齐强化学习与奖励
代码题
深入
6238
实现奖励模型的打分与训练。
模型训练与对齐偏好对齐
代码题
进阶
6239
实现基于采样回报的策略梯度更新。
模型训练与对齐强化学习与奖励
代码题
进阶
6240
实现 DAPO 的动态采样与策略优化流程。
模型训练与对齐强化学习与奖励
代码题
深入
6241
实现从 Rollout 到参数更新的 GRPO 训练流程。
模型训练与对齐强化学习与奖励
代码题
深入
6242
实现按请求或用户分组的 GAUC。
AI 应用工程与治理评测体系与实验设计
代码题
进阶
6243
实现 Factorization Machine 的二阶特征交互。
模型基础与推理机器学习与推荐系统
代码题
进阶
6244
实现 DIN 的目标相关兴趣表示与预测。
模型基础与推理机器学习与推荐系统
代码题
进阶
6245
实现多门控专家结构的多任务网络。
模型基础与推理机器学习与推荐系统
代码题
进阶
6246
独立模型、共享底座、MMoE 与 PLE 如何组织多任务排序?
模型基础与推理机器学习与推荐系统
比较选型
进阶