真实面经题目 · 原创解析
什么是on policy,什么是off policy?
on-policy 和 off-policy 的核心区别不在于算法是否探索,而在于用来学习的数据是由谁产生的。on-policy 用当前正在优化的策略采样,并用这些数据更新同一个策略;off-policy 允许用另一个行为策略、历史日志或经验回放产生的数据,去学习目标策略。回答时要把行为策略、目标策略、数据分布偏差、代表算法和工程取舍讲清楚。
这道题出自阿里巴巴算法工程师面经(面试大师面经题库,2026 年 5 月整理)。