返回全部题目← 上一题148 / 179下一题 →题库/模型训练与对齐/Q-5565SAC 如何学习最大熵策略，有哪些优势和适用条件？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 份训练、数据与模型优化：从数据清洗到 LoRAOnefly · zero2Agent · 1 条原题查看题集 →SAC 相比其他强化学习算法有什么优势？什么场景适合使用？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？下一题 →多模态级联强化学习如何衔接离线优化与在线策略优化？
