真面经，好答案。面试之前，先来面栈。

为什么使用二值奖励，而不采用连续或阶梯式奖励？

知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶
相关面经：2 篇
未标记

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 AI
Kimi（新窗口打开）千问（新窗口打开）ChatGPT（新窗口打开）
本题目录

相关面经

2 篇

阿里巴巴

Agent 算法工程师
一面、二面
查看原面经 →
奖励分数是连续值还是二值（0/1）？为什么选择二值奖励而非阶梯式奖励？

阿里巴巴

Agent 算法工程师
一面、二面
查看原面经 →
奖励分数是连续值还是二值（0/1）？为什么选择二值奖励而非阶梯式奖励？

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