GRPO的reward怎么设计的？

字节跳动人工智能互联网/IT系统设计技术原理方案权衡

考察说明

考察对GRPO奖励模型设计的理解，包括奖励信号来源、结构设计及优化目标

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。