项目:PPO/GRPO 微调后,如何防止模型在分布外(OOD)问题上性能崩塌?

美团人工智能互联网/IT风险判断技术原理方案权衡

考察说明

考察强化学习微调后的分布外鲁棒性与泛化保持策略

本题已收录答题指导

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。