返回全部题目← 上一题25 / 206下一题 →题库/模型训练与对齐/Q-10977业务规则应写入 Prompt 还是训练 Reward，分别有什么影响？知识专题：强化学习与奖励题目类型：技术决策技术难度：进阶相关面经：1 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经1 篇小米大模型算法2026-11-02一面、二面查看原面经 →业务规则怎么融进模型？写进 prompt 还是写进 reward？查看该问上下文 →追问写进 reward 会有什么后果？查看该问上下文 →相关题目4 题0086如何判断强化学习带来的实际收益？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：2 篇0103强化学习包含哪些主要组件？同一知识专题题目类型：概念解释技术难度：基础相关面经：3 篇0104GRPO 算法如何工作？同一知识专题题目类型：原理机制技术难度：进阶相关面经：14 篇0105On-policy 和 Off-policy 有什么区别？同一知识专题题目类型：比较选型技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题缺少完整监督轨迹时，Agent 训练可以从哪里获得学习信号？下一题 →PPO、DPO、GRPO 与 OPD 在目标、数据和训练过程上有什么区别？
