返回全部题目← 上一题111 / 179下一题 →题库/模型训练与对齐/Q-4680强化学习训练为什么容易不稳定，哪些收益使它仍值得使用？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：5 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5 份公司案例问答汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →项目:为什么使用强化学习会存在训练不稳定问题?为什么业界还在用?强化学习与对齐阿东玩 AI · AgentGuide · 1 条原题查看题集 →RL训练经验相关问题： 「京东、字节跳动、美团、腾讯、蚂蚁集团、阿里巴巴」为什么使用强化学习会存在训练不稳定问题？理论基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →为什么使用强化学习会存在训练不稳定问题？为什么业界还在用？京东高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →为什么使用强化学习会存在训练不稳定问题？为什么业界还在用？腾讯问答汇编Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →长时序任务下Agent强化学习训练失稳、容易崩模型的底层原因相关题目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SFT 与强化学习有哪些优缺点，应如何按任务场景选择？下一题 →强化学习中的策略函数、状态值函数和动作值函数分别是什么？
