轨迹级奖励与 Token 级优化之间如何分配贡献？

知识专题：强化学习与奖励题目类型：原理机制技术难度：进阶相关面经：1 篇

暂无参考答案

未标记

本题目录

相关面经

1 篇

滴滴

算法工程师

2026-06-21实习

查看原面经 →

trajectory-level reward 和 token-level optimization 之间的 gap

查看该问上下文 →

Token级训练里 credit assignment 不精确的问题

查看该问上下文 →