返回全部题目← 上一题123 / 179下一题 →题库/模型训练与对齐/Q-4901贝尔曼方程如何联系状态价值、动作价值与策略求解？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：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」介绍贝尔曼方程；强化学习Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →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 →请分别写出基于状态价值函数的贝尔曼方程以及基于动作价值函数的贝尔曼方程。请问最佳价值函数 $V^*$ 和最佳策略 $\pi^**$ 为什么等价呢？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← 上一题观测不满足马尔可夫性时，如何构建强化学习的状态表示？下一题 →时序差分学习如何更新价值，单步与 n 步更新有什么取舍？
