我要招人

专业服务行业面试题更新 2026-08-05

DAPO中采用 token-mean 是为了解决什么？

百度人工智能专业服务性能优化技术原理

考察说明

考察对 DAPO 强化学习算法中 token-mean 作用的理解

回答思路

  1. 说明 token-mean 与句子级奖励归一化的区别
  2. 指出缓解稀疏奖励或长度偏差的目的
  3. 关联到稳定性与训练效果