Reward Model 与 Critic 的网络结构如何设计？

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

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

相关面经

1 篇

阿里巴巴

Agent 算法工程师

2026-05-05一面

查看原面经 →

奖励模型RM、Critic网络结构设计思路

收录题集

1 个来源，共1 份题集

LLM、VLM 与 Agent 面试题

Datawhale · hello-agents · 1 条原题

查看题集 →

- 奖励模型的设计至关重要。它的模型架构通常如何选择？它与我们最终要优化的LLM是什么关系？在训练奖励模型时，常用的损失函数是什么？请解释其背后的数学原理（例如，可以结合Bradley-Terry模型来解释）。