PPO 的 Value Model 如何训练？

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：2 篇

暂无参考答案

未标记

本题目录

相关面经

2 篇

百度

Agent 应用开发工程师

2026-07-07一面、二面

查看原面经 →

PPO 里的 value model / reward model 怎么训练

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 →

ppo的critic模型怎么训练的