返回全部题目← 上一题114 / 179下一题 →题库/模型训练与对齐/Q-4724强化学习算法可以按哪些维度分类？知识专题：强化学习与奖励题目类型：概念解释技术难度：基础相关面经：1 篇收录题集：4 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 篇字节跳动Agent 算法实习2026-07-20实习查看原面经 →简述主流强化学习算法的分类、核心思路及适用场景。收录题集4 份强化学习与对齐阿东玩 AI · AgentGuide · 2 条原题查看题集 →【RL算法比较】请比较value-based方法（如Q-learning）和policy-based方法（如策略梯度）的优劣，并简述它们的主要区别，各举一个在金融领域的应用场景。 「腾讯、蚂蚁集团」【RL算法选型】RL算法选型要考虑哪些因素? 「字节跳动」大模型基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →强化学习算法是怎么分类的？腾讯问答汇编Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →不同强化学习之间的区别强化学习与对齐Firefly · llm_interview_note · 2 条原题查看题集 →你了解有模型和免模型吗？两者具体有什么区别呢？请问基于价值的方法和基于策略的方法的区别是什么？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← 上一题什么是过程奖励模型 PRM？下一题 →DeepSeek-R1-Zero 中的 Zero 指什么？
