返回全部题目← 上一题121 / 179下一题 →题库/模型训练与对齐/Q-4899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？知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶收录题集：1 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1 份强化学习与对齐Firefly · llm_interview_note · 4 条原题查看题集 →请问我们一般怎么求解马尔可夫决策过程？计算贝尔曼方程的常见方法有哪些，它们有什么区别？请问蒙特卡洛方法和时序差分方法是无偏估计吗？另外谁的方差更大呢？为什么？展开其余 1 条原题能否简单说一下动态规划方法、蒙特卡洛方法和时序差分方法的异同点？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？下一题 →观测不满足马尔可夫性时，如何构建强化学习的状态表示？
