字节跳动面试题更新 2026-08-05
RL（强化学习）中 Reward 和 Advantage 有什么区别？
字节跳动人工智能互联网/IT技术原理方案权衡
考察说明
考察对强化学习核心概念 Reward 与 Advantage 的定义、作用及使用场景的理解
回答思路
- 准确区分 Reward 和 Advantage 的定义
- 说明 Reward 的即时性与 Advantage 的相对性
- 解释 Advantage 在降低方差、稳定更新中的作用
- 举例说明两者的实际使用场景
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。
