返回全部题目← 上一题4 / 195下一题 →题库/模型训练与对齐/Q-0105On-policy 和 Off-policy 有什么区别？知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶相关面经：2 篇题集来源：3 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 篇滴滴大模型算法工程师2026-09-01秋招一面查看原面经 →介绍一下on policy和off policy的区别深信服大模型算法工程师（模型微调）2026-06-19实习查看原面经 →同策略和异策略收录题集3 个来源，共4 份题集跨周期技术拆解Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →异步 Agent RL 为什么提高吞吐又带来策略偏移？强化学习与对齐Firefly · llm_interview_note · 2 条原题查看题集 →同学，能否简述同策略和异策略的区别呢？请问同策略和异策略的区别是什么？强化学习与对齐阿东玩 AI · AgentGuide · 3 条原题查看题集 →【On-policy vs Off-policy】请解释on-policy和off-policy的区别、各自的优缺点以及适用场景；能否混搭policy/Off-policy？ 「腾讯、蚂蚁集团、阿里巴巴、阿里通义」【GRPO/DAPO on/off-policy】GRPO/DAPO是on-policy还是off-policy思路? 「字节跳动」为什么PPO不是离线的？ 「腾讯」深度学习基础汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →Transformer架构与强化学习强化学习的模型、分类（on-policy和off-policy的区别和举例）和原理。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0169RLHF/PPO 中 Actor、Critic、Reward Model 和 Reference Model 的职责是什么，为什么需要 KL 约束？同一知识专题题目类型：原理机制技术难度：进阶相关面经：5 篇♥♥♥♥♥← 上一题已到最后一题← 上一题GRPO 算法如何工作？下一题 →RLHF/PPO 中 Actor、Critic、Reward Model 和 Reference Model 的职责是什么，为什么需要 KL 约束？
