首页 > 试题广场 >

假设一个大模型 Agent 在解决数学推理任务时采用 “反思

[单选题]
假设一个大模型 Agent 在解决数学推理任务时采用 “反思 - 修正” 机制…若训练时采用强化学习（RL）框架，则以下哪项最可能是奖励函数的设计目标？ 
  • 最大化 R 与 A1 的语义相似度
  • 最大化 A2 与真实答案 G 的匹配度，同时最小化 |A1 − A2|
  • 最小化 A1 与 A2 的计算开销差异
  • 最大化 A1 与真实答案 G 的匹配度
查看正确选项
添加回答

这道题你会答吗？花几分钟告诉大家答案吧！

提交观点

问题信息

来自：2025年秋招-华为-...
难度：
0条回答 24浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号