返回全部题目← 上一题53 / 195下一题 →题库/模型训练与对齐/Q-2689强化学习如何选择有效难度的样本并提升复杂任务探索？知识专题：强化学习与奖励题目类型：方案设计技术难度：进阶相关面经：3 篇题集来源：3 个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）本题目录相关面经收录题集相关题目相关面经3 篇百度端到端决策规划控制算法工程师2026-09-04秋招二面查看原面经 →是否考虑通过课程学习等方法来提成策略性能？美团大模型算法工程师2026-07-05一面、二面查看原面经 →RL训练中如何兼顾难易样本，提升模型对高难度业务任务的探索能力？滴滴算法工程师2026-06-21实习查看原面经 →样本难度分层、课程学习和有效样本选择收录题集3 个来源，共5 份题集强化学习与对齐阿东玩 AI · AgentGuide · 1 条原题查看题集 →探索增强与任务平衡 「百度、美团」如何平衡难易任务，增强模型对难任务的探索？训练、数据与模型优化：从数据清洗到 LoRAOnefly · zero2Agent · 1 条原题查看题集 →如何进行样本难度分层、课程学习与有效样本选择？美团高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →RL训练中如何兼顾难易样本，提升模型对高难度业务任务的探索能力？AI多模态精华版·主流模型核心技术Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →RLCS 带课程采样如何支撑以推理为中心的目标？GLM-V系列模型核心考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →强化学习课程采样（RLCS）如何解决多领域训练中的样本效率问题？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：3 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：14 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：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题RL 训练初期奖励先降后升时，如何解释和排查？下一题 →SFT、DPO、PPO 与 GRPO 的目标、机制和适用条件如何比较？
