← 返回全部题目← 上一题2 / 100下一题 →题库/模型训练与对齐/Q-0103强化学习包含哪些主要组件？知识专题：强化学习与奖励题目类型：概念解释技术难度：基础相关面经：3 篇暂无参考答案未标记未标记待复习已掌握收藏本题目录相关面经相关题目相关面经3 篇滴滴大模型算法工程师2026-09-01秋招一面查看原面经 →介绍一下强化学习都包括哪些组件美图大模型算法工程师2026-05-24一面、二面、三面、四面查看原面经 →介绍第一篇论文，中途打断，说不了解你们这个领域，针对强化学习的底层设计，怎么去设计的，强化学习能解决什么问题，强化学习每一轮用的数据是多少，模型用的多大的，用小模型做强化学习效果会好吗，实验室里有多少张卡，训练的时候都用了几张。字节跳动Agent 开发工程师2026-02-09一面、二面、三面查看原面经 →强化学习相关题目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：6 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：1 篇0169RLHF/PPO 中 Actor、Critic、Reward Model 和 Reference Model 的职责是什么，为什么需要 KL 约束？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇相关关键词：Reinforcement Learning、RL← 上一题已到最后一题← 上一题如何判断强化学习带来的实际收益？下一题 →GRPO 算法如何工作？
