面试题库 › 算法 / 大模型 › 强化学习的基本概念

强化学习的基本概念

难度 ★★☆在 5 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

腾讯2字节跳动1荣耀1度小满1

常见岗位:推荐搜索广告、大模型算法、NLP / 语音、软件开发(未写技术栈)

答案要点

  1. 智能体与环境交互,根据奖励学习决策,目标是最大化累积回报
  2. 要素:状态、动作、奖励、策略,常用马尔可夫决策过程建模
  3. 与监督学习不同:没有标准答案,奖励延迟稀疏,靠试错探索
  4. 算法:Q-Learning、DQN、策略梯度、PPO、Actor-Critic;需平衡探索与利用
  5. 大模型中用于对齐和推理:RLHF、GRPO;有实践经历要讲清项目场景

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