重新设计后训练体系时，怎样选择 Offline RL 与 Online RL？

知识专题：强化学习与奖励题目类型：技术决策技术难度：进阶

相关面经：1 篇

未标记

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

相关面经

1 篇

快手

大模型应用算法实习生

2026-08-25实习一面、二面

查看原面经 →

如果重新设计整套后训练体系，会考虑哪些要素；Offline RL与Online RL如何做取舍