面试题库 › 算法 / 大模型 › 强化学习基本框架与常用训练框架

强化学习基本框架与常用训练框架

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:强化学习

哪些公司问过

携程1

常见岗位:NLP / 语音

答案要点

  1. 基本框架:智能体与环境交互,形式化为 MDP:状态、动作、奖励、转移、策略
  2. 目标:最大化折扣累积回报,折扣因子 γ 权衡短期与长期收益
  3. 算法分类:基于价值(Q-learning、DQN)、基于策略(REINFORCE)、Actor-Critic(PPO、SAC)
  4. 其他划分:有模型/无模型,on-policy/off-policy
  5. 工程框架:Gymnasium、Stable-Baselines3、RLlib;LLM 方向有 TRL、OpenRLHF、verl 等

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题