返回全部题目← 上一题133 / 179下一题 →题库/模型训练与对齐/Q-4911A3C 如何通过多个工作进程异步更新 Actor 与 Critic？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 →请简述一下异步优势演员-评论员算法（A3C），另外A3C是同策略还是异策略的模型呀？请问异步优势演员-评论员算法具体是如何异步更新的？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← 上一题策略梯度与 REINFORCE 如何用采样轨迹优化期望回报？下一题 →Actor-Critic 如何分工协作，有哪些优势？
