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。
「奖励函数设计」找到 6 条内容
按专题浏览 →匹配标题与标签：奖励函数设计与投机陷阱 强化学习/Agent 奖励函数的通用原则、目标和陷阱 RLHF与对齐 奖励塑形 稀疏奖励 奖励黑客 多目标优化 人类反馈对齐 2026真题 奖励函数设计与投机陷阱 奖励函数怎么设计？原则、目标与 Reward Hacking 奖励函数设计 RLHF 奖励函数 Agent 奖励函数 强化学习与RLHF 美团
匹配正文：…励函数，适合难以显式定义的场景 场景示例：美团外卖智能调度Agent 任务：骑手路径规划，同时优化准时率、骑手负载均衡、用户体验 奖励函数设计： R = w₁·R_准时 + w₂·R_负载 + w₃·R_用户满意度 + w₄·R_成本 子项 设计 动机 R_准时 准时送达+1，超时-5 强惩罚超时，但非二元（提前太久也略降） R_负载 骑手单量偏离均值越小越高 避免马太效应，系统可持续 R_用户满意度 预估送达时间准确度、餐品完好 隐性体验指标，通过用户反馈近似 R_成本 负…
匹配题目：针对长视野（Long Horizon）决策任务（如复杂游戏、机器人控制或多步推理），如何设计和搭建高效的训练环境？请从状态观测、奖励函数设计、环境重置机制、探索策略支持等方面进行阐述。
学习内容与项目面试，在同一条路上。