如何避免奖励坍缩和 Reward Hacking？

知识专题：强化学习与奖励题目类型：故障排查技术难度：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

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 →

如何避免奖励坍缩和hacking