RL 训练初期奖励先降后升时，如何解释和排查？

知识专题：强化学习与奖励题目类型：故障排查技术难度：进阶

相关面经：1 篇题集来源：2 个

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

美团

大模型算法工程师

2026-07-05一面、二面

查看原面经 →

如何解释RL训练初期Reward数值先降后升的现象？

收录题集

2 个来源，共2 份题集

强化学习与对齐

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

RL训练经验相关问题：「京东、字节跳动、美团、腾讯、蚂蚁集团、阿里巴巴」
- 如何理解RL初期可能出现reward先下降，然后逐步上升的状态？

美团高频面试题

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- 如何解释RL训练初期Reward数值先降后升的现象？