我要招人登录

人工智能面试题更新 2026-08-05

为什么强化学习训练会存在不稳定的问题？

京东人工智能电商风险判断技术原理

考察说明

考察对强化学习训练不稳定性原因的理解

回答思路

能指出奖励信号稀疏或高方差导致梯度估计不稳定
能说明策略与环境交互造成数据非独立同分布、样本相关性强
能提及目标网络、经验回放等缓解机制
能联系不收敛、崩溃等典型现象

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