面试题库 › 算法 / 大模型 › 蒙特卡洛与时序差分回报估计的对比

蒙特卡洛与时序差分回报估计的对比

难度 ★★☆在 2 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

小红书2

常见岗位:大模型算法

答案要点

  1. MC 目标是完整轨迹的折扣回报 G_t:无偏、方差高,需等回合结束
  2. TD 目标是 r+γV(s'),自举:方差低、可在线更新,但依赖估计值而有偏
  3. MC 适用于回合制任务,TD 可用于连续任务和在线学习
  4. n 步回报与 TD(λ) 在两者之间折中偏差与方差
  5. 函数近似下 TD 可能不稳定,MC 对马尔可夫性要求更弱

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