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。
「强化学习训练策略」找到 2 条内容
按专题浏览 →匹配题目：在多轮对话和Agent应用场景中，如何设计和实施强化学习训练策略？请讨论其中的技术挑战和解决方案。
匹配口述回答：…实需要人工复核，那风险很大。所以落地常见失败场景就是 自主权放得太早，导致出问题。我的原则是：先做人在回路，积累数据，再用模拟器加强化学习训练策略，最后逐步放开。 评估也是老大难。传统NLP指标对Agent基本失效，你没法用一个BLEU分数衡量它决策对不对。人工评估成本极高，而且不同人标准不一样。所以我会更倾向用 领域专用Agent 的路径，先把场景收窄，比如美团的外卖调度。 说到评估，其实有个延伸问题：Agent的决策轨迹能不能做到可解释、可回滚？我觉得这是从实验到生产的关…
学习内容与项目面试，在同一条路上。