汽车行业面试题更新 2026-08-05
在强化学习训练中，奖励模型是否需要可微？请说明理由。
蔚来人工智能汽车问题拆解技术原理
考察说明
考察对强化学习奖励信号性质及策略优化机制的理解
回答思路
- 明确指出奖励模型不需要可微
- 解释强化学习通过采样和策略梯度等方式优化，不依赖奖励可微
- 说明奖励模型只提供标量反馈，梯度信息来源于策略网络
- 能区分监督学习与强化学习在可微性要求上的差异
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。
