返回全部题目← 上一题51 / 195下一题 →题库/模型训练与对齐/Q-2686字段提取任务的奖励函数应如何设计？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 篇美团大模型算法工程师2026-07-05一面、二面查看原面经 →针对字段提取业务，需要设计哪些维度的Reward函数？收录题集1 个来源，共1 份题集美团高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →针对字段提取业务，需要设计哪些维度的Reward函数？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← 上一题如何判定 SFT 可以结束并进入强化学习阶段？下一题 →RL 训练初期奖励先降后升时，如何解释和排查？
