奖励函数是否依赖 Ground Truth，如何用大模型评分？

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

本题目录

相关面经

1 篇

阿里巴巴

Agent 算法工程师

2026-05-16一面、二面

查看原面经 →

奖励函数是否依赖 ground truth label？如何利用大模型进行奖励打分？