我要招人

后端岗位面试题更新 2026-08-05

请解释 GRPO（Group Relative Policy Optimization）损失函数是什么，说明公式中每一部分的作用，以及为什么要这样设计。

美团后端开发人工智能互联网/IT持续改进技术原理方案权衡

考察说明

考察对 GRPO 损失函数原理、构成与设计动机的理解

回答思路

  1. 准确描述 GRPO 损失函数的结构与数学表达
  2. 解释每个组成部分（如策略比值、优势估计、组内归一化）的具体作用
  3. 说明相对组内基线而非全局或价值网络的原因
  4. 能够结合稳定性、方差减少等原则阐述设计动机