我要招人

消费品/零售行业面试题更新 2026-08-05

请解释GRPO的设计原理以及KL散度公式。

小鹏汽车人工智能消费品/零售问题拆解技术原理

考察说明

考察强化学习算法GRPO的核心思想及数学表达

回答思路

  1. 说明GRPO消除独立critic网络的原因
  2. 解释组内相对奖励如何形成基线
  3. 准确写出KL散度公式并解释其作用
  4. 说明与PPO的差异
本题已收录答题指导

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。

开始模拟面试登录查看答题指导