用 Qwen-3 等大模型奖励打分时是否需要微调？

知识专题：强化学习与奖励题目类型：比较选型技术难度：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 →

使用大模型（如Qwen-3）做奖励打分时，是否需要微调？为什么？