返回全部题目← 上一题146 / 179下一题 →题库/模型训练与对齐/Q-5227为什么应将上下文压缩纳入长程 Agent 训练,如何验证其作用?知识专题:强化学习与奖励题目类型:原理机制技术难度:深入收录题集: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 份跨周期技术拆解Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →上下文压缩为何必须进入训练,而不只是推理技巧?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VAPO 如何改进长推理强化学习中的价值与优势估计?下一题 →多轮 Agent 强化学习中如何设计和验证用户模拟器,防止策略过拟合?