互联网/IT行业面试题更新 2026-08-05
什么是强化学习中的熵崩溃？如何优化或解决这个问题？
美团人工智能互联网/IT技术原理方案权衡问题排查
考察说明
考察对强化学习训练中探索与利用平衡、策略退化及稳定性问题的理解
回答思路
- 准确解释熵崩溃的定义及其在策略梯度方法中的表现
- 说明熵崩溃导致探索能力下降和陷入局部最优的机理
- 提出熵正则化、调整熵系数、使用重参数化或改进策略网络等解决方法
- 分析不同方法的适用场景和潜在副作用
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
