华为HUAWEI面试题更新 2026-08-05
Value Model和Reward Model的区别是什么？
华为HUAWEI人工智能电子/半导体技术原理方案权衡
考察说明
考察对强化学习中价值模型与奖励模型核心概念与职责差异的理解
回答思路
- 明确Value Model预测累积回报的期望，Reward Model提供即时奖励信号
- 说明两者在训练目标、输入输出和作用阶段的区别
- 能联系RLHF或PPO等实际应用场景阐述差异
- 指出两者可互补并各有局限
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。
