返回全部题目← 上一题105 / 179下一题 →题库/模型训练与对齐/Q-4339GUI Agent 项目如何实现异步训练?知识专题:强化学习与奖励题目类型:项目深挖技术难度:进阶相关面经:1 篇收录题集:1 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi(新窗口打开)Qwen千问(新窗口打开)OpenAIChatGPT(新窗口打开)自动带入当前题目本题目录相关面经收录题集相关题目相关面经1 篇阿里控股大模型算法工程师2026-04-07实习一面查看原面经 →实习项目:GUI-Agent的思考,介绍技术,怎么做的异步训练,怎么评判完成等等收录题集1 份跨周期技术拆解Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →异步 Agent RL 为什么提高吞吐又带来策略偏移?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:13 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← 上一题强化学习训练中的拒绝采样如何工作?下一题 →Agent 工具调用不正确时,如何用 SFT 或强化学习改进?