荣耀面试题更新 2026-08-05
请简述强化学习在大模型推理中的应用，并比较top-k策略选择与大模型推理中SAC选择动作的策略的区别。
荣耀人工智能电子/半导体技术原理方案权衡
考察说明
考察对强化学习基础概念的理解及其在大模型推理场景中的应用
回答思路
- 明确top-k是推理时的采样策略，SAC是训练时的动作选择策略
- 阐述SAC基于最大熵框架，平衡探索与利用，优化策略分布
- 对比二者的目标、应用阶段和动作空间差异
- 说明各自在大模型或连续控制中的适用场景
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。
