← 返回全部题目← 上一题19 / 100下一题 →题库/模型训练与对齐/Q-0635Agentic RL 是什么?知识专题:强化学习与奖励题目类型:原理机制技术难度:基础相关面经:2 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2 篇字节跳动大模型算法工程师2026-05-08暑期实习一面、二面、三面查看原面经 →从transformer八股到agentic rl同花顺大模型算法工程师(金融)2026-02-04一面查看原面经 →agentic rl相关题目4 题3373Agentic RL 如何设计?递进追问题目类型:方案设计技术难度:进阶相关面经:0 篇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: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← 上一题已到最后一题← 上一题了解哪些强化学习优化算法?下一题 →强化学习训练中的 Reference Model 起什么作用?