返回全部题目← 上一题80 / 195下一题 →题库/模型训练与对齐/Q-3448什么是优势函数？知识专题：强化学习与奖励题目类型：概念解释技术难度：基础相关面经：1 篇题集来源：2 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 篇字节跳动AI 应用开发工程师2026-05-07一面查看原面经 →什么是优势函数？收录题集2 个来源，共2 份题集强化学习与对齐阿东玩 AI · AgentGuide · 2 条原题查看题集 →【优势函数】RL中为什么要用优势函数(advantage)，而不直接用原始奖励？ratio、advantage、returns分别如何理解？V_target怎么来的？为什么要使用多步时序估计优势？ 「字节跳动、腾讯、阿里巴巴」【Advantage计算】大模型中的advantage如何计算？ 「字节跳动」强化学习与对齐Firefly · llm_interview_note · 1 条原题查看题集 →简述异步优势演员-评论员算法的优势函数。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← 上一题多智能体系统如何设计奖励以促进协作而非竞争？下一题 →PPO 中需要训练哪几个模型？
