返回全部题目← 上一题164 / 195下一题 →题库/模型训练与对齐/Q-6305对小模型进行强化学习时，训练设计相较大模型应如何调整？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：1 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1 篇腾讯大模型算法实习生2026-10-09暑期实习查看原面经 →和使用强化学习训练大模型相比，使用强化学习训练小模型需要做出哪些改变收录题集2 个来源，共2 份题集强化学习与对齐阿东玩 AI · AgentGuide · 1 条原题查看题集 →【RL训练经验】和使用强化学习训练大模型相比，使用强化学习训练小模型需要做出哪些改变？ 「腾讯」腾讯问答汇编Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →和使用强化学习训练大模型相比，使用强化学习训练小模型需要做出哪些改变相关题目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← 上一题上下文压缩如何影响 Agent 强化学习的信用分配与轨迹记账？下一题 →RM、ORM、PRM、Verifier 与 Judge 如何区分？
