汽车行业面试题更新 2026-08-05
对于PPO来说什么是action，整个输出叫什么？
蔚来人工智能汽车技术原理
考察说明
考察对强化学习PPO算法中action概念及其输出结构的理解
回答思路
- 能准确说明action是智能体在给定状态下采取的动作
- 能指出PPO的输出是动作分布（通常是策略网络的输出）而非单个确定性动作
- 能说明策略网络输出的是动作的概率分布，并通过采样得到具体动作
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。
