强化学习有哪些类型
哪些公司问过
答案要点
- Model-free 与 Model-based:是否学习或利用环境模型进行规划
- 基于价值:学 Q 函数取最优动作,如 Q-learning、SARSA、DQN
- 基于策略:直接优化参数化策略,如 REINFORCE,可处理连续动作
- Actor-Critic:Critic 估值降低策略梯度方差,如 A2C、PPO、DDPG、SAC
- on-policy 与 off-policy、在线与离线强化学习
易错点
- 混淆 on/off-policy 与 model-based/model-free 两个维度
- 认为基于价值的方法能直接处理连续动作空间
- 把 PPO 归为纯基于价值的方法
面试官常见追问
- Q-learning 和 SARSA 有什么区别?
- DQN 做了哪些改进让训练更稳定?
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。