返回全部题目← 上一题73 / 251下一题 →题库/模型训练与对齐/Q-16801基于现有大模型,怎样结合 Agent 方法训练能编写金融模型代码的 Coder?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: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 篇阿里巴巴大模型算法实习生2026-02-11日常实习二面查看原面经 →在现有大模型的基础上,如何通过agent的相关方法,训练一个coder模型,撰写金融领域相关模型的代码阿里巴巴大模型算法2026-01-30二面查看原面经 →在现有大模型的基础上,如何通过agent的相关方法,训练一个coder模型,撰写金融领域相关模型的代码。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PPO 与 TD3 的目标、价值估计和参数更新有什么区别?下一题 →项目怎样修改 GRPO,改动希望解决什么问题、达到什么效果?