返回全部题目← 上一题77 / 195下一题 →题库/模型训练与对齐/Q-3370如何避免奖励坍缩和 Reward Hacking？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：2 篇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）本题目录相关面经相关题目相关面经2 篇字节跳动大模型实习算法岗2026-10-28实习查看原面经 →介绍一下奖励函数的坍缩现象和问题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 →如何避免奖励坍缩和hacking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← 上一题奖励什么时候使用模型，什么时候使用规则？下一题 →Agentic RL 如何设计？
