返回全部题目← 上一题124 / 179下一题 →题库/模型训练与对齐/Q-4902时序差分学习如何更新价值，单步与 n 步更新有什么取舍？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：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 · 2 条原题查看题集 →能不能手写一下第n步的价值函数更新公式呀？另外，当 n越来越大时，价值函数的期望和方差是分别变大还是变小呢？请简述一下时序差分方法。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← 上一题贝尔曼方程如何联系状态价值、动作价值与策略求解？下一题 →Q-learning 如何更新动作价值，为什么属于异策略学习？
