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。
「Deep Research GRPO」找到 14 条内容
按专题浏览 →匹配正文:…程任务,模型可能继续照搬固定路径。它知道“标准答案长什么样”,却不知道哪条行动更好,也没有在环境反馈中练过取舍。 相关训练材料把 Deep Research Agent 的训练拆成三层:Agentic CPT 注入 Agent 相关偏置,SFT 冷启动学习协议与基本轨迹,GRPO 再在环境反馈中优化策略。 这三个阶段分别解决不同问题,不能因为名词热门就机械拼成一条训练流水线。 所以面试官真正想问的是: CPT、SFT 和 GRPO 各自改变什么,为什么顺序通常这样安排,阶段之…
匹配正文:…练曲线、评测结果与仍存在的问题;没做过就明确说明] 配套面试题 本项目覆盖 Agent 架构、ReAct、工具调用、RLHF / GRPO 等知识点,可以到题库按模块配套练习。 去题库刷 Agent / 强化学习真题 → 按顺序学习 第 1 章:为什么需要 Deep Research 第 2 章:Agent 执行框架,ReAct → IterResearch 第 3 章:工具集设计,让 Agent 真正「会用工具」 第 4 章:多轮对话与长程记忆管理 第 5 章:训练数据构造…
匹配正文:📊 学习时长:60-75 分钟 🎯 完成后能力:能讲清 Deep Research 和普通 RAG / Agentic RAG 的本质区别,判断一个问题该不该上 Deep Research,并用可运行代码搭出一个会「自己多步搜索、边想边查」的研究型 Agent 雏形 🔗 关联面试题:5 道(覆盖 5 个角度,见 Part 3) 这一章你会学到什么 ✓ 零基础也能跟着做:用几十行代码跑通一个会「边想边查」的研究型 Agent,并一步步给它加上工具、思维链、失败重试 ✓ 彻…
学习内容与项目面试,在同一条路上。