互联网/IT行业面试题更新 2026-08-05
GRPO是on policy还是off policy?为什么?
美团人工智能互联网/IT技术原理
考察说明
考察对GRPO算法策略性质的理解及原因分析
回答思路
- 明确GRPO属于on-policy算法
- 解释其基于当前策略采样生成轨迹
- 说明与off-policy算法（如PPO的旧数据复用）的区别
- 指出旧策略数据不直接复用的原因
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。
