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。
「成本」找到 713 条内容
按专题浏览 →匹配正文：…erResearch、ReSum、ReWOO、Reflexion 和并行研究的论文边界 ✓ 用任务依赖、反馈需求、证据质量、延迟和成本做选型与评估 本章按三段式组织: 段落 给谁看 内容 占比 🚀 Part 1 · 主线实战 零基础,想先跑起来 ReAct 原理 + 消息格式 + 上下文增长对比 demo ~45% 🎯 Part 2 · 面试深度 想讲透、备战面试 IterResearch / ReSum / 其他框架 / 选型 / 测试时扩展 + 私货 ~45% 🏆 …
匹配正文：…会接着让你写损失函数，题库里让手写 GRPO loss 的题有 7 道。 代价你也得跟面试官交代。同一条工单要采 K 条轨迹，采样成本直接乘 K；学习信号全靠组内的分数差，一组里分数都差不多的时候就学不到东西。 这类题还有一个变体，把 DPO 也拉进来比，美团和阿里都这么问过。 DPO 学的是成对的偏好，哪个回答更好要提前标出来，训练的时候模型不去环境里跑。我们的任务正好反过来，退没退款、改没改地址，沙盒里查得到，让模型在线试、试完打分更直接。 我自己的看法是，这道题答到"代…
匹配正文：…承担 critic：考虑 PPO； 可对同一 prompt 的多条回答稳定打分，希望省去 critic：考虑 GRPO。 稳定性、成本和效果没有脱离任务的固定排名。应比较奖励可信度、rollout 成本、组大小、KL、长度偏差、reward hacking、人工盲评和可验证任务成功率。
按学习路线查看教程、项目和面试题。