强化学习与奖励

9 个专题 · 270 道题

3011

GRPO 的 Reward 能否迁移到 PPO？

模型训练与对齐强化学习与奖励

比较选型

进阶

3052

GRPO 中 KL 散度损失如何计算实现？

模型训练与对齐强化学习与奖励

原理机制

深入

3174

智能点餐场景的多轮 RL 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

3297

简单介绍后训练和强化学习。

模型训练与对齐强化学习与奖励

概念解释

基础

3363

项目奖励函数后续有什么改进思路？

模型训练与对齐强化学习与奖励

项目深挖

进阶

3364

KL 散度有什么作用，为什么使用它？

模型训练与对齐强化学习与奖励

原理机制

进阶

3367

了解哪些 GRPO 改进算法？

模型训练与对齐强化学习与奖励

概念解释

进阶

3368

较长对话的强化学习奖励如何设计？

模型训练与对齐强化学习与奖励

方案设计

进阶

3369

奖励什么时候使用模型，什么时候使用规则？

模型训练与对齐强化学习与奖励

比较选型

进阶

3370

如何避免奖励坍缩和 Reward Hacking？

模型训练与对齐强化学习与奖励

故障排查

进阶