AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
阿里巴巴面试题
强化学习训练不稳定的主要原因有哪些?请结合具体场…
阿里巴巴面试题
更新 2026-08-05
强化学习训练不稳定的主要原因有哪些?请结合具体场景说明。
阿里巴巴
人工智能
电商
技术原理
问题排查
考察说明
考察对强化学习训练不稳定根源的理解
回答思路
能列举非平稳目标、奖励稀疏、探索与利用冲突等核心原因
能结合具体算法(如DQN、PPO)说明不稳定的表现
能提出缓解不稳定性的常见策略
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
换一题
上一题
缓存读取时会遇到哪些常见问题?请结合实际场景说明。
下一题
自己觉得,封装这种开源的框架,需要做到什么?
本题还出现在
电商行业面试题
人工智能面试题