我要招人登录

游戏行业面试题更新 2026-08-05

Reward model 如何训练？训练目标是什么？

米哈游人工智能游戏问题拆解技术原理

考察说明

考察对RLHF中奖励模型训练流程与优化目标的理解

回答思路

说明奖励模型通常基于偏好对训练
解释训练目标为最大化人类偏好排序的对数似然
能够提到数据构建、模型结构（如比较头或评分输出）及与策略模型的关系

本题已收录答题指导

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。

开始模拟面试登录查看答题指导