返回全部题目← 上一题113 / 179下一题 →题库/模型训练与对齐/Q-4723什么是过程奖励模型 PRM？知识专题：强化学习与奖励题目类型：概念解释技术难度：进阶收录题集：7 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7 份LLM推理系统问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →原文作者Lamhot Siagian / AI Engineering Insider Explain Process Reward Models (PRMs). How do they differ from Outcome Reward Models (ORMs)?后训练章节追问阿东玩 AI · AgentGuide · 1 条原题查看题集 →ORM 和 PRM 到底怎么选？后训练综合问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →ORM 和 PRM 应该怎么组合？SFT与指令微调阿东玩 AI · AgentGuide · 1 条原题查看题集 →【PRM】你了解PRM吗？ 「蚂蚁集团」强化学习与对齐阿东玩 AI · AgentGuide · 1 条原题查看题集 →【过程奖励模型】Process reward的优势是什么？可以从哪些维度设计？ 「字节跳动」展开剩余 2 份题集大模型基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →什么是PRM过程监督奖励？OpenAI的秘密武器？大模型与多模态数学专题Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →为什么推理模型训练越来越重视过程奖励和可验证反馈？Outcome Reward Model 和 Process Reward Model 有什么数学区别？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← 上一题强化学习中的策略函数、状态值函数和动作值函数分别是什么？下一题 →强化学习算法可以按哪些维度分类？
