我要招人登录

高德地图面试题更新 2026-08-05

强化学习中的reward和监督学习中的label有什么区别？

高德地图人工智能技术原理

考察说明

考察对强化学习与监督学习核心机制差异的理解

回答思路

指出reward是延迟、稀疏或反馈信号，label是即时明确的目标答案
说明reward引导策略优化，label用于监督误差修正
能举例说明奖励塑造与标签标注的本质不同

本题已收录答题指导

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。

开始模拟面试登录查看答题指导