电子/半导体行业面试题更新 2026-08-05
GRPO相比于SFT的优势是什么？
小米集团人工智能电子/半导体技术原理方案权衡
考察说明
考察对强化学习与监督微调在语言模型训练中差异的理解
回答思路
- 能说明SFT的局限（依赖人工标注、只模仿行为不优化目标）
- 能说明GRPO的强化学习特性（优化回报目标、探索策略空间）
- 能提到GRPO相对PPO的简化（不依赖价值网络，降低计算开销）
- 能结合实际场景说明GRPO的适用范围（如推理任务、偏好优化）
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。
