返回全部题目← 上一题120 / 179下一题 →题库/模型训练与对齐/Q-4898马尔可夫过程、奖励过程与决策过程有何联系，马尔可夫性意味着什么？知识专题：强化学习与奖励题目类型：概念解释技术难度：基础收录题集：3 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3 份强化学习与对齐阿东玩 AI · AgentGuide · 1 条原题查看题集 →「腾讯、阿里巴巴」介绍马尔可夫决策过程；理解马尔可夫过程概念；强化学习Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →Agent、Environment、State、Action、Reward 分别是什么？MDP、价值函数、策略函数的核心概念是什么？强化学习与对齐Firefly · llm_interview_note · 2 条原题查看题集 →请问马尔可夫过程是什么？马尔可夫决策过程又是什么？其中马尔可夫最重要的性质是什么呢？马尔可夫奖励过程与马尔可夫决策过程的区别是什么？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← 上一题强化学习、监督学习和无监督学习有什么区别？下一题 →动态规划、蒙特卡洛和时序差分如何估计价值，三者有何区别？
