在使用GRPO提升大模型的Function Calling能力时，除了结果奖励(outcome reward)，还可以如何设计过程奖励(process reward)？
考察说明
考察对GRPO训练中奖励模型设计，特别是过程奖励的深入理解与应用
回答思路
- 能解释结果奖励与过程奖励的差异及过程奖励的优势
- 能提出具体的过程奖励设计思路，如逐步校验参数解析、工具选择等
- 能结合Function Calling场景讨论过程奖励的粒度与信号来源
- 能考虑奖励的稀疏性和可解释性，避免过度工程化
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。