互联网/IT行业面试题更新 2026-08-05
请分别讲解 DPO、PPO 和 GRPO 的核心原理，并说明它们之间的主要区别。
美团百度人工智能互联网/IT专业服务技术原理方案权衡
考察说明
考察对主流强化学习微调算法（PPO、DPO、GRPO）的原理理解与对比能力
回答思路
- 准确阐述 PPO 基于策略梯度与重要性采样的思路
- 准确阐述 DPO 通过隐式奖励函数直接优化策略的思路
- 准确阐述 GRPO 通过组内相对奖励与基线消除价值网络的思路
- 能从目标函数、复杂度、稳定性等维度进行对比
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。
