返回全部题目← 上一题175 / 179下一题 →题库/模型训练与对齐/Q-6587策略对齐中正向与反向 KL 有什么区别？知识专题：强化学习与奖励题目类型：比较选型技术难度：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 份强化学习与对齐阿东玩 AI · AgentGuide · 4 条原题查看题集 →【正向KL与反向KL区别】正向KL和反向KL在大模型RL里有什么不同？ 「腾讯」【反向KL在对齐中的应用】为什么对齐几乎都用反向KL? 「腾讯」【PPO KL散度替代】PPO的KL散度可以改成交叉熵吗？ 「蚂蚁集团」展开其余 1 条原题【KL散度选择】为什么使用reversed KL而非forward KL：reverse KL mode-seeking，避免生成低概率样本；forward KL mass-covering，可能产生无效输出。 「蚂蚁集团」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RLVR 如何利用可验证奖励训练，有哪些适用边界？下一题 →解耦 PPO 如何区分行为策略、近端策略与当前策略？
