强化学习与奖励

9 个专题 · 270 道题

1736

强化学习决策算法的输入是什么，还使用哪些输入特征？

模型训练与对齐强化学习与奖励

项目深挖

进阶

1739

强化学习项目是否与仿真环境交互，各项目是否相同？

模型训练与对齐强化学习与奖励

项目深挖

进阶

1740

没有原有仿真环境时，是否仍能实现当前强化学习模型？

模型训练与对齐强化学习与奖励

方案设计

进阶

1742

项目奖励函数是稀疏还是稠密的，具体如何设计？

模型训练与对齐强化学习与奖励

项目深挖

进阶

1743

奖励项重要程度不同时，如何平衡各项权重？

模型训练与对齐强化学习与奖励

项目深挖

进阶

1744

项目为什么没有采用 TD3？

模型训练与对齐强化学习与奖励

比较选型

进阶

1750

手写 PPO Loss。

模型训练与对齐强化学习与奖励

代码题

深入

1896

项目为什么选择 GRPO 而不选择 DPO？

模型训练与对齐强化学习与奖励

比较选型

进阶

2144

SFT、强化学习和 Agentic CFT 分别解决什么问题？

模型训练与对齐强化学习与奖励

比较选型

进阶

2468

GRPO 的 Loss 如何计算？

模型训练与对齐强化学习与奖励

原理机制

进阶