返回全部题目← 上一题180 / 195下一题 →题库/模型训练与对齐/Q-7483项目中的 PPO 奖励解耦如何设计，为什么这样做？知识专题：强化学习与奖励题目类型：项目深挖技术难度：进阶相关面经：1 篇暂无参考答案未标记未标记待复习已掌握收藏问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）自动带入当前题目反馈（在 GitHub 新标签页打开）本题目录相关面经相关题目相关面经1 篇华为AI 应用工程师2026-10-27校招一面、二面、三面查看原面经 →你ppo的奖励解耦具体怎么做的，为什么要这样做，sft数据和rm数据的格式分别是什么，训练oom的情况下怎么做归因，有什么解决方案相关题目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：14 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ToolRL 如何构造工具调用的格式奖励与内容正确性奖励？下一题 →Agentic-GRPO 适合哪些业务场景，主要解决什么问题？
