AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
汽车行业面试题
请比较 DPO、PPO 和 GRPO 三种强化学…
汽车行业面试题
更新 2026-08-05
请比较 DPO、PPO 和 GRPO 三种强化学习/偏好优化方法在训练大语言模型时的适用场景与差异。
美团
蔚来
人工智能
互联网/IT
汽车
技术原理
方案权衡
考察说明
考察对主流偏好优化方法原理与适用场景的理解
回答思路
准确说明 PPO 是带评论家的策略梯度方法及其在 RLHF 中的应用
准确说明 DPO 直接基于偏好数据优化策略、无需显式奖励模型
准确说明 GRPO 在 PPO 基础上去除批评家、使用组内相对优势
能结合训练稳定性、计算成本、样本效率说明三者取舍
换一题
上一题
请介绍一个你负责的项目,并说明其中最具挑战的技术难点及你的解决思路。
下一题
请现场共享屏幕,创建一个 Vue3 项目,实现一个父组件和两个子组件:分别通过插槽(插入)和 props 传递数据,并绑定动态响应式方法,完成一个最小可运行的项目。
本题还出现在
互联网/IT行业面试题
美团面试题
蔚来面试题
人工智能面试题