互联网/IT行业面试题更新 2026-08-05
PPO 算法能否不使用价值网络（Value Model）？请说明理由或替代方案。
美团人工智能互联网/IT技术原理
考察说明
考察对 PPO 中优势估计作用及无价值网络方案的理解
回答思路
- 理解价值网络用于计算优势函数基线
- 能说明去掉价值网络的后果及替代优势估计方法
- 讨论 GAE 与蒙特卡洛回报的关系
- 能提出基于奖励的估计改进方案
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。
