将分类任务建模为 Bandit 或强化学习时，如何选择状态、动作与优化算法？

知识专题：强化学习与奖励题目类型：方案设计技术难度：进阶

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

推荐搜索与广告

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【强化学习推荐】请解释一下强化学习在音视频推荐系统中的应用？「字节跳动」

普渡机器人高频面试题

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- 针对分类任务做 RL，具体有什么算法？