我要招人

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

  1. 能列举非平稳目标、奖励稀疏、探索与利用冲突等核心原因
  2. 能结合具体算法（如DQN、PPO）说明不稳定的表现
  3. 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