← 返回全部题目← 上一题27 / 100下一题 →题库/模型训练与对齐/Q-1233如何证明模型学到了不同风格的影响,并评估效果?知识专题:强化学习与奖励题目类型:方案设计技术难度:进阶相关面经:1 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1 篇百度端到端决策规划控制算法工程师2026-09-04秋招二面查看原面经 →那么你怎么保证模型一定能学到这个不同的风格对其的影响呢,或者说你所说的这种有效的方式,模型是否真的哟校学习,最后如何评估这些不同风格的影响,有评估过吗?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← 上一题已到最后一题← 上一题行为风格如何输入智能体,输入是连续值还是离散值?下一题 →PPO 与 TRPO 有何区别?