又是一个上来疯狂问强化学习的面试官🤣
首先对着我的知乎专栏《强化学习攻略》疯狂发问：
1. PPO相对于TRPO的改进
2. 什么情况下使用重要性采样？
3. 直观上来说，AC方法是on-policy还是off-policy？既然是on-policy的方法，A3C没有使用重要性采样的情况下，直接取之前策略的数据会不会有问题？
4. DP方法和TD方法区别在哪里？面试官说这个涉及到本质问题。
5. 为什么要采用优势函数？
还有一些RL的问题，没答上来，记不太清了
然后随便聊了一下项目，还说了说在日本的交换经历。面试官说在成都有个分院，多智能体RL的项目就是在德阳落地的，说得我两眼放光。
感觉面试官很随和，许愿二面啊~是真的想回成都哈哈
全部评论
(4) 回帖