强化学习轨迹的自然终止与强制截断有何区别，回报应如何处理？

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：2 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

2 份

Agentic RL 面试指南

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 强制 max_steps 截断的轨迹应该记失败、丢弃还是 bootstrap？各自隐含什么语义？

强化学习与对齐

阿东玩 AI · AgentGuide · 2 条原题

查看题集 →