返回全部题目← 上一题34 / 251下一题 →题库/模型训练与对齐/Q-11873PPO 对齐训练中的 KL 约束在什么位置计算并生效？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：3 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3 篇Tele-AI大模型算法2026-03-19实习一面查看原面经 →KL散度加在PPO损失的哪里百度大模型应用算法实习生2026-01-08实习二面查看原面经 →ppo中kl散度的作用。百度大模型应用算法实习生2026-01-01日常实习二面查看原面经 →PPO中KL散度的作用？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：4 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：20 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：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题PPO 有哪些常见改进或替代算法，分别解决什么问题？下一题 →多智能体强化学习有哪些主流方法，实际落地面临哪些困难？
