互联网/IT行业面试题更新 2026-08-05
GRPO 是 on-policy 吗？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 算法特性的理解及对 on-policy 的辨识能力
回答思路
- 明确 GRPO 的训练机制是否基于当前策略采样
- 解释 GRPO 利用组内相对奖励进行优势估计的特点
- 说明其与 PPO 的联系与区别
- 能够指出 GRPO 在数据利用上的性质
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。
