互联网/IT行业面试题更新 2026-08-05
请介绍 GRPO（Group Relative Policy Optimization）的核心公式及其各部分含义。
字节跳动人工智能互联网/IT问题拆解技术原理方案权衡
考察说明
考察对 GRPO 算法公式的理解与推导能力
回答思路
- 正确写出策略梯度与优势估计公式
- 解释组内相对归一化与基线的作用
- 说明与 PPO 的区别及剪裁项含义
- 能结合 KL 散度项描述整体损失函数
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。
