什么是重要性采样，它如何修正不同分布下的期望估计？

知识专题：机器学习与推荐系统题目类型：原理机制技术难度：进阶

收录题集：6 份

暂无参考答案

未标记

询问 AI

选择 AI 平台

Kimi 千问 ChatGPT

自动带入当前题目

本题目录

收录题集

6 份

强化学习与对齐

阿东玩 AI · AgentGuide · 3 条原题

查看题集 →

- 【优势函数】RL中为什么要用优势函数(advantage)，而不直接用原始奖励？ratio、advantage、returns分别如何理解？V_target怎么来的？为什么要使用多步时序估计优势？「字节跳动、腾讯、阿里巴巴」
- 【重要性采样】OffPolicy策略要求采样的策略(旧策略)和训练的策略(新策略)差异不能过大，否则会导致采样数据不准确，影响训练效果。为什么需要重要性采样？「百度」
GRPO损失与张量形状 GRPO损失计算细节：
- GRPO的重要性采样为什么是p1/p0？为什么不是其他形式？

数学统计与逻辑

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【重要性采样与拒绝采样】讲讲重要性采样和拒绝采样？「阿里巴巴」

机器学习基础汇编

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【重要性采样】重要性采样的原理？「字节Seed」

vivo高频面试题

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- GRPO 的重要性采样的数学意义是什么？

强化学习与对齐

Firefly · llm_interview_note · 1 条原题

查看题集 →

- 请问什么是重要性采样呀？

展开剩余 1 份题集

训练、数据与模型优化：从数据清洗到 LoRA

Onefly · zero2Agent · 1 条原题

查看题集 →

- 重要性采样机制的原理、估计偏差与适用场景是什么？