强化学习中 on-policy 和 off-policy 的区别是什么？

华为HUAWEI人工智能电子/半导体技术原理方案权衡

考察说明

考察对强化学习采样与策略更新关系的理解

本题已收录答题指导

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。