考察点：考察对两种强化学习策略优化算法的理解与对比能力。回答思路：分别说明PPO与GRPO的核心机制对比两者的异同点，如策略更新、奖励基准、稳定性指出适用场景与局限性

讲讲PPO和GRPO

美团人工智能互联网/IT技术原理方案权衡

考察说明

考察对两种强化学习策略优化算法的理解与对比能力

本题已收录答题指导

登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。