哔哩哔哩面试题更新 2026-08-05
请解释强化学习中 on-policy 与 off-policy 的区别，并各举一个典型算法示例。
哔哩哔哩人工智能问题拆解技术原理
考察说明
考察对强化学习核心概念的分类理解与算法归类能力
回答思路
- 准确区分策略评估与数据来源的关系
- 说明 on-policy 使用当前策略生成数据并更新
- 说明 off-policy 使用行为策略生成数据更新目标策略
- 各给出一个正确算法示例
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。
