返回全部题目← 上一题163 / 179下一题 →题库/模型训练与对齐/Q-6303上下文压缩如何影响 Agent 强化学习的信用分配与轨迹记账?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 份腾讯问答汇编Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →上下文压缩(Context Compaction)操作后,模型信用分配难度加剧的原因相关题目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← 上一题实现从 Rollout 到参数更新的 GRPO 训练流程。下一题 →对小模型进行强化学习时,训练设计相较大模型应如何调整?