全部题目

模型、RAG、Agent与工程面试题一网打尽,配套答案解析与延伸追问。

已筛选

共 7744 道题

排序:

4896
会话型 Agent 与任务型 Agent 有什么区别?
Agent 原理与系统Agent 基础与运行循环
比较选型
基础
4899
动态规划、蒙特卡洛和时序差分如何估计价值,三者有何区别?
模型训练与对齐强化学习与奖励
比较选型
进阶
4902
时序差分学习如何更新价值,单步与 n 步更新有什么取舍?
模型训练与对齐强化学习与奖励
原理机制
进阶
4904
Sarsa 如何更新动作价值,为什么属于同策略学习?
模型训练与对齐强化学习与奖励
原理机制
进阶
4906
随机策略与确定性策略有什么区别?
模型训练与对齐强化学习与奖励
比较选型
基础
4907
DQN 有哪些常见改进变体,各自针对什么问题?
模型训练与对齐强化学习与奖励
比较选型
进阶
4908
Double DQN 如何缓解动作价值高估?
模型训练与对齐强化学习与奖励
原理机制
进阶
4909
Dueling DQN 如何分解状态价值与动作优势,有什么作用?
模型训练与对齐强化学习与奖励
原理机制
进阶
4911
A3C 如何通过多个工作进程异步更新 Actor 与 Critic?
模型训练与对齐强化学习与奖励
原理机制
进阶
4913
DDPG 如何进行连续动作控制,为什么属于异策略算法?
模型训练与对齐强化学习与奖励
原理机制
进阶