返回全部题目← 上一题73 / 195下一题 →题库/模型训练与对齐/Q-3364KL 散度有什么作用，为什么使用它？知识专题：强化学习与奖励题目类型：原理机制技术难度：进阶相关面经：2 篇题集来源：2 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2 篇腾讯后训练2026-10-11日常实习一面、二面查看原面经 →RL三核心：重要性采样、优势裁剪、KL约束的底层作用字节跳动大模型算法工程师2026-05-08暑期实习一面、二面、三面查看原面经 →kl散度有什么用，为什么要用kl散度收录题集2 个来源，共5 份题集算法岗专项面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →推导 KL 散度在 RLHF 中的作用理论基础面试题阿东玩 AI · AgentGuide · 1 条原题查看题集 →在RLHF的第三阶段，PPO是最主流的强化学习算法。为什么选择PPO，而不是其他更简单的策略梯度算法（如REINFORCE）或者Q-learning系算法？PPO中的KL散度惩罚项起到了什么关键作用？数学基础高频考点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →KL 散度为什么不对称？在 VAE、蒸馏、RLHF 中怎么用？机器学习基础概念知识点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →什么是KL散度？损失函数知识点Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →KL散度相关概念相关题目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← 上一题项目奖励函数后续有什么改进思路？下一题 →了解哪些 GRPO 改进算法？
