返回全部题目← 上一题149 / 179下一题 →题库/模型训练与对齐/Q-5663多模态级联强化学习如何衔接离线优化与在线策略优化？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Intern-VL系列模型核心考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →在InternVL 3.5的研发中，团队为什么会选择采用“级联”式的强化学习策略（Cascade Reinforcement Learning），而不是传统的单阶段方法？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SAC 如何学习最大熵策略，有哪些优势和适用条件？下一题 →候选筛选、Best-of-N 与奖励驱动的策略训练有什么联系和区别？
