我要招人

专业服务行业面试题更新 2026-08-05

请介绍 PPO 和 GRPO 两种强化学习策略优化方法的基本原理与区别。

小红书人工智能专业服务技术原理方案权衡

考察说明

考察对 PPO 与 GRPO 算法核心机制和差异的理解

回答思路

  1. 准确阐述 PPO 的裁剪目标函数与重要性采样
  2. 说明 GRPO 如何用组内相对优势估计替代 Critic 模型
  3. 对比两者在实现复杂度、样本效率与适用场景上的差异