缺少完整监督轨迹时，Agent 训练可以从哪里获得学习信号？

知识专题：强化学习与奖励题目类型：方案设计技术难度：进阶

相关面经：1 篇

未标记

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

相关面经

1 篇

小米

大模型算法

2026-11-02一面、二面

查看原面经 →

数据怎么构造输入？没有完整监督轨迹时，训练信号从哪来？