搜索中文正文和常见中英文技术词,按教程、项目、面试题筛选。
「美团」找到 135 条内容
按专题浏览 →匹配标题与标签:…roup Sequence Policy Optimization GSPO vs GRPO 大模型强化学习 强化学习与RLHF 美团
匹配标题与标签:…熟度评估 场景落地分析 AI产品化 2026真题 Agent 商业化 Agent 能力对比 Agent 规模化落地 项目落地经验 美团
匹配正文:…与环境实时交互生成数据,边采样边训练 关键优化:并行环境(VecEnv)提升吞吐,异步采样避免GPU空闲 适用场景:在线服务决策(美团配送实时调度)、需要快速适应环境变化的场景 优势:数据新鲜,策略与环境分布一致;劣势:样本效率低,探索成本高 2. 课程学习(Curriculum Learning) 核心思想:由易到难安排训练任务,模仿人类学习过程 实现方式: 手工设计:固定难度阶梯(如配送场景从5单→50单→200单) 自动课程:基于学习进度动态调整(如PAIRED、PLR…
学习内容与项目面试,在同一条路上。