GRPO（Group Relative Policy Optimization）的改进方法有哪些？

联想人工智能互联网/IT持续改进技术原理方案权衡

考察说明

考察对GRPO算法原理、局限及后续改进方向的理解

本题已收录答题指导

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。