面试题库 › 算法 / 大模型 › 强化学习奖励函数如何设计

强化学习奖励函数如何设计

难度 ★★★在 4 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

字节跳动2美团1vivo1

常见岗位:大模型算法、推荐搜索广告

答案要点

  1. 可验证任务用规则奖励:答案匹配、单测、格式、长度等
  2. 主观开放任务用奖励模型或大模型评审,通常与规则混合
  3. 长对话结合结果奖励与按轮过程奖励,缓解信号稀疏和归因困难
  4. 多目标先归一化再加权,安全等底线可设为硬约束
  5. 权重依据验证集指标和bad case迭代调整,避免单一目标主导

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