我要招人

小红书面试题更新 2026-08-05

离线RL训练如何切换到在线训练？

小红书人工智能专业服务风险判断技术原理方案权衡

考察说明

考察强化学习从离线到在线迁移的工程方法与风险控制

回答思路

  1. 说明离线到在线切换的核心挑战，如分布偏移和策略探索不足
  2. 提出逐步或混合切换策略，如在线微调、回放缓冲结合
  3. 讨论安全性、稳定性验证和回滚机制