面试题库 › 算法 / 大模型 › 奖励函数设计:字段提取、稀疏奖励与多样性

奖励函数设计:字段提取、稀疏奖励与多样性

难度 ★★★在 3 场真实面经中被问到 方向:算法 / 大模型考点:奖励模型

哪些公司问过

百度1初创公司1

常见岗位:大模型算法

答案要点

  1. 字段提取奖励:格式合法性、字段级精确或部分匹配、完整性与幻觉惩罚
  2. 稀疏奖励改为按正确字段比例给部分分
  3. 多步任务可用过程奖励或势能函数塑形,后者理论上不改变最优策略
  4. 课程学习由易到难,缓解早期学习信号不足
  5. 多样性可用熵正则或组内相似度惩罚,并保留 KL 约束

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