AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
北京智谱华章科技面试题
GRPO reward怎么设计的,出现过训崩的情…
北京智谱华章科技面试题
更新 2026-08-05
GRPO reward怎么设计的,出现过训崩的情况吗?
北京智谱华章科技
人工智能
互联网/IT
风险判断
技术原理
考察说明
考察强化学习奖励设计能力与对训练不稳定性的理解
回答思路
说明GRPO奖励的组成与设计原则
解释训练崩溃的常见原因与检测方法
描述稳定训练的措施
换一题
上一题
项目中说Redisson分布式锁,讲讲怎么用的
下一题
Python字典列表如何实现以键为指标进行排序
本题还出现在
互联网/IT行业面试题
人工智能面试题