返回全部题目← 上一题46 / 195下一题 →题库/模型训练与对齐/Q-2469Deep Research 如何与强化学习结合？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：1 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 篇美团Agent 算法工程师2025-09-27查看原面经 →deepresearch和强化学习怎么结合应用收录题集1 个来源，共2 份题集Agentic RAG 与 Deep Research专题问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →通义 DeepResearch 的端到端训练框架和"通用 LLM + 搜索 API"有什么本质差别？Agentic RAG 与 Deep Research进阶追问阿东玩 AI · AgentGuide · 1 条原题查看题集 →通义 DeepResearch 的 Agentic Mid-Training + Post-Training 框架怎么做？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GRPO 的 Loss 如何计算？下一题 →GRPO 训练实际使用什么数据？
