返回全部题目← 上一题109 / 179下一题 →题库/模型训练与对齐/Q-4676RLHF 奖励模型通常采用什么架构，它与待优化语言模型是什么关系？知识专题：强化学习与奖励题目类型：原理机制技术难度：进阶收录题集：2 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收录题集相关题目收录题集2 份理论基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →奖励模型的设计至关重要。它的模型架构通常如何选择？它与我们最终要优化的LLM是什么关系？在训练奖励模型时，常用的损失函数是什么？请解释其背后的数学原理（例如，可以结合Bradley-Terry模型来解释）。强化学习与对齐Firefly · llm_interview_note · 1 条原题查看题集 →奖励模型需要和基础模型一致吗？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← 上一题强化学习如何解决信用分配，Token 级和序列级奖励有什么区别？下一题 →SFT 与强化学习有哪些优缺点，应如何按任务场景选择？
