互联网/IT行业面试题更新 2026-08-05
请解释PPO（近端策略优化）和GRPO（分组相对策略优化）的原理及主要区别
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原理理解和对比能力
回答思路
- 准确说明PPO核心的裁剪目标和重要性采样机制
- 准确说明GRPO的分组相对优势估计和KL约束方式
- 对比二者在方差控制、计算效率和适用场景上的差异
本题附完整参考答案与评分标准
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。
