返回全部题目← 上一题38 / 251下一题 →题库/模型训练与对齐/Q-12175强化学习训练中常用哪些实践技巧？知识专题：强化学习与奖励题目类型：操作实践技术难度：进阶相关面经：2 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经2 篇ShopeeNLP2026-04-03校招秋招一面、二面、三面查看原面经 →强化学习有哪些常用技巧?百度LLM 算法2026-02-27校招二面查看原面经 →强化学习有哪些常用技巧?相关题目4 题0086如何判断强化学习带来的实际收益？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：2 篇0103强化学习包含哪些主要组件？同一知识专题题目类型：概念解释技术难度：基础相关面经：4 篇0104GRPO 算法如何工作？同一知识专题题目类型：原理机制技术难度：进阶相关面经：20 篇0105On-policy 和 Off-policy 有什么区别？同一知识专题题目类型：比较选型技术难度：进阶相关面经：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题王者荣耀智能体训练如何设计观测和动作空间，并适配不同角色？下一题 →采用 SFT 和 GRPO 后相对原模型改了什么，数据层面有哪些问题和修改？
