返回全部题目← 上一题60 / 251下一题 →题库/模型训练与对齐/Q-14574强化学习是什么，基本学习过程怎样进行？知识专题：强化学习与奖励题目类型：概念解释技术难度：进阶相关面经：2 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2 篇字节跳动后端开发2026-03-18实习三面查看原面经 →强化学习和监督微调了解过么？阿里巴巴AI Agent 开发2026-02-13三面查看原面经 →强化学习了解多少 dpo 以及 kto 了解么，数据配比问题 agent的planning能力如何增强相关题目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：4 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：20 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：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题强化学习项目扩展到大量智能体时，需要怎样调整？下一题 →GRPO 训练需要哪些模型或策略副本，各自承担什么职责？
