面试之前，先来面栈
搜索

强化学习与奖励

9 个专题 · 270 道题

已筛选

共 100 道题

排序：

0259
GUI Agent 奖励如何确认环境状态真实改变，而非只看起来完成？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经
0260
GUI 环境吞吐低于训练吞吐时，如何组织在线强化学习？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经
0607
GRPO 和 DAPO 有什么区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经
0609
Reward Model 常用什么结构，与 Value Model 有什么区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经
0635
Agentic RL 是什么？
模型训练与对齐强化学习与奖励
原理机制
基础
1 篇面经
0679
强化学习训练中的 Reference Model 起什么作用？
模型训练与对齐强化学习与奖励
原理机制
基础
1 篇面经
1226
采用 SFT 和 GRPO 后相对原模型改了什么，数据层面有哪些问题和修改？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经
1229
不同项目为什么分别选择 PPO 和 DDPG？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经
1230
DDPG 项目的 reward 如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经
1231
智驾场景中如何处理交互博弈、保守策略与多种行为风格？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经