返回全部题目← 上一题150 / 195下一题 →题库/模型训练与对齐/Q-5741候选筛选、Best-of-N 与奖励驱动的策略训练有什么联系和区别？知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶题集来源：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）本题目录收录题集相关题目收录题集2 个来源，共5 份题集大模型与多模态数学专题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →拒绝采样、Best-of-N、Reward Reranking 与 RL 优化有什么关系？LLM推理系统问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →原文作者Lamhot Siagian / AI Engineering Insider What is Best-of-N sampling? When is it efficient and when is it not?数据合成与流水线专题问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →Rejection Sampling 在整个后训练流程中处于什么位置？数据合成与流水线进阶追问阿东玩 AI · AgentGuide · 1 条原题查看题集 →Rejection Sampling 和 GRPO 的 online sampling 有什么本质区别？强化学习与对齐阿东玩 AI · AgentGuide · 1 条原题查看题集 →【MCTS与Rejection Sampling对比】如果不用MCTS，直接用rejection sampling效果怎么样？ 「美团」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← 上一题多模态级联强化学习如何衔接离线优化与在线策略优化？下一题 →离线与在线策略学习在数据来源、更新和验证上有什么区别？
