页面加载中…
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。
「强化学习」找到 74 条内容
按专题浏览 →匹配口述回答：…调整比例，比如午餐时段主食权重高，下午茶饮品权重高。其实还有一个方向值得深入：当多样性要求特别高时，比如做个性化歌单推荐，我会用 强化学习 把多样性作为奖励信号的一部分，让模型在训练时就学会探索。这个跟多目标优化的思路不太一样，但它能更直接地跟用户长期满意度挂钩。所以整体上，我更倾向于把解码和后处理作为日常手段，训练优化作为长期投资，业务规则做兜底。这样既灵活又可控。 一句话定位：生成式推荐多样性是解码干预+后处理重排+训练优化的三层架构 解码阶段：温度、Top-p/Top-…
匹配口述回答：…确的，它可能会漏掉真正相关的item，这就是召回损失。而且训练的时候，这个操作是不可导的，你没法直接做梯度回传，得用一些技巧，比如强化学习或者Gumbel-Softmax，要么就搞成两阶段pipeline，先检索再训练，流程很复杂。 再讲Soft Search。它其实是用注意力机制，对所有候选算一个加权和，本质上是连续的、可导的，所以训练可以端到端。理论上它没有检索误差，因为每个候选都有权重。但问题来了，候选集规模受显存限制，你不可能把几亿个item都塞进注意力矩阵，所以实际…
学习内容与项目面试，在同一条路上。