返回全部题目← 上一题192 / 195下一题 →题库/模型训练与对齐/Q-9636多轮工具调用 Agent 的强化学习损失如何设计与计算？知识专题：强化学习与奖励题目类型：原理机制技术难度：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 篇腾讯大模型算法岗2026-10-02一面、二面查看原面经 →多轮工具调用场景下，如何设计RL损失函数？查看该问上下文 →多轮rollout，loss是每一步调用工具后即时计算，还是完整rollout结束后统一计算？查看该问上下文 →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← 上一题为什么机器人操作任务中经常使用模仿学习？下一题 →多轮 Agent 强化学习与单轮 LLM 强化学习有什么区别？
