面灵AI→

三一树根强化学习算法一面:交叉熵、Attention 与贝尔曼方程

强化学习算法 一面

三一树根强化学习算法一面:从交叉熵、过拟合等深度学习基础切入,追问 LLM 最后一层结构、梯度累积与 Attention 缩放,再考察贝尔曼方程、Return、MDP 等强化学习概念,最后要求手写 Attention。

2026-10