蚂蚁集团面试题更新 2026-08-05
Reward Function如何设计的？为什么这么设计？
蚂蚁集团人工智能互联网/IT系统设计技术原理方案权衡
考察说明
考察强化学习中奖励函数设计的目标、原则与权衡
回答思路
- 说明奖励函数的具体设计形式与目标导向
- 解释设计选择背后的原理，如稀疏/密集奖励、奖励塑形
- 讨论设计中的权衡，如收敛速度、任务泛化与局部最优
- 体现对奖励黑客与任务对齐风险的意识
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。
