摘要
本发明提供了一种自适应AI面试的方法、装置、电子设备和存储介质，属于人工智能的技术领域，该方法中，可根据面试回答动态调整下一步的操作（即规则指令，或，策略优化行为，具体为下一面试问题，或，终止面试），动态适应性好，更加灵活，另外，在综合评分时，采用了混合评分策略，更加科学，当当前状态不满足预设规则中的触发条件时，还会采用离线强化学习智能体对当前状态进行智能决策，进而得到策略优化行为，准确性更好，此外，预设规则为预先配置的，可控性好，且离线强化学习智能体为保守Q学习算法，在训练时，会通过保守正则化项抑制训练数据集分布外的行为的Q值高估，这样，不合规的行为会被抑制，也就是更加可控，合规。
