返回全部题目← 上一题57 / 195下一题 →题库/模型训练与对齐/Q-2703轨迹级奖励与 Token 级优化之间如何分配贡献？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：2 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2 篇滴滴算法工程师2026-06-21实习查看原面经 →trajectory-level reward 和 token-level optimization 之间的 gap查看该问上下文 →Token级训练里 credit assignment 不精确的问题查看该问上下文 →阿里控股数据与算法2026-04-07实习一面查看原面经 →PPO和GRPO的token前后奖励一不一样，这个我实在不明白，说不太懂这个地方相关题目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 如何估计组内优势？下一题 →如何根据业务目标设计强化学习奖励？
