返回全部题目← 上一题134 / 179下一题 →题库/模型训练与对齐/Q-4912Actor-Critic 如何分工协作，有哪些优势？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：2 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2 份强化学习Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →Q-Learning、DQN、Policy Gradient、Actor-Critic 如何对比？Actor-Critic 和 PPO 为什么高频？强化学习与对齐Firefly · llm_interview_note · 3 条原题查看题集 →请问演员-评论员算法有何优点呢？演员-评论员算法中，演员和评论员两者的区别是什么？演员-评论员算法框架中的评论员起了什么作用？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A3C 如何通过多个工作进程异步更新 Actor 与 Critic？下一题 →DDPG 如何进行连续动作控制，为什么属于异策略算法？
