返回全部题目← 上一题141 / 179下一题 →题库/模型训练与对齐/Q-4920逆强化学习如何从专家示范推断奖励并学习策略？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 →逆强化学习是怎么运行的呢？逆强化学习方法与生成对抗网络在图像生成中有什么异曲同工之处？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← 上一题行为克隆有哪些局限，如何缓解误差累积与分布偏移？下一题 →《Deep RL from Human Preferences》如何从人类偏好学习奖励并优化策略？
