试题试做

共 11035 道。先按知识点进入练习，也可以从下面的最新题目直接试做。

最新试题 · 第 308 页

若某长周期任务的奖励在终点才出现，且中间有 3 个决策分支点，可能的完整轨迹数约为？

从信用分配视角，BATON 的「子任务内验证器」主要解决？

环境中心训练中「保持原验证器」为何关键？

用 ES 微调一个 27B 模型时，为何显存主要来自「推理」而非「训练」？

假设一个 5 阶段机器人任务，每阶段需试探 T=4 次才能收敛。端到端探索与 BATON 子任务分解的探索次数之比约为？

下列关于「AI 水印」的说法，最贴近研究现状的是？

可穿戴健康传感器采用可拉伸天线的直接好处是？

进化策略相比 RL 在「长周期可扩展性」上的优势来自？

PubMind-DB 中与 ClinVar 重叠的变异比例约为？

信用分配问题对哪类任务影响最严重？

下列哪项是结构信用分配的典型解法方向？

关于 BATON 在 RoboMemArena 的结果，正确的是？

子任务分解缓解信用分配的核心在于？

Agentic ESOpt 在 WebArena-Lite 上让 Qwen-3.5-27B 全参数优化相比 No Skill 基线提升约？

进化策略（ES）属于哪类优化方法？

FACET 合成终端任务时强调「四元组必须一致」，这四元组指？

环境中心训练（environment-centric training）主张？

在强化学习中，处理时序信用分配的经典方法之一是？

可拉伸天线（Nature Communications）主要服务于哪类设备？

Nature 关于远古 CO₂ 升高的研究警示了什么？

试题试做第308页 - 生命科学与前沿科技学习平台 | 必学必会