返回全部题目← 上一题55 / 195下一题 →题库/模型训练与对齐/Q-2701PPO 的 Value Model 或 Critic 起什么作用？知识专题：强化学习与奖励题目类型：原理机制技术难度：基础相关面经：1 篇题集来源：1 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1 篇滴滴算法工程师2026-06-21实习查看原面经 →PPO 里 value model / critic 的作用收录题集1 个来源，共3 份题集公司案例问答汇编阿东玩 AI · AgentGuide · 2 条原题查看题集 →为什么有了reward model还需要critic model?critic model作用是什么?项目:PPO算法为什么有reward model 又有critic model强化学习与对齐阿东玩 AI · AgentGuide · 2 条原题查看题集 →【Value Model必要性】能不能不用 Value Model？ 「美团」【PPO returns定义】大模型里面的PPO，returns是什么？ 「字节跳动」理论基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →为什么PPO要用value baseline和GAE？它们如何让训练更稳定？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SFT、DPO、PPO 与 GRPO 的目标、机制和适用条件如何比较？下一题 →GRPO 如何估计组内优势？
