美团面试题更新 2026-08-05
如何实现真正的 on-policy 强化学习？请结合关键步骤说明。
美团人工智能互联网/IT技术原理方案权衡
考察说明
考察对 on-policy 方法实现流程的理解和实操能力
回答思路
- 说明 on-policy 要求使用当前策略采样数据
- 完整描述采样、评估、更新、重采样的循环
- 提到重要性采样或裁剪等稳定更新技巧
- 能够说明与 off-policy 实现的关键差异
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。
