AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
腾讯面试题
从算法原理和训练资源角度,解释 GRPO 相比 …
腾讯面试题
更新 2026-08-05
从算法原理和训练资源角度,解释 GRPO 相比 PPO 在哪些方面节省了计算资源,以及它为何可能成为业界更受青睐的强化学习训练方法?
腾讯
人工智能
互联网/IT
系统设计
技术原理
考察说明
考察对 GRPO 算法原理及资源优化的理解
回答思路
指出 GRPO 去掉 Critic 价值网络,减少模型参数量与显存占用
说明 GRPO 使用组内相对奖励替代优势估计,降低计算复杂度
能结合训练稳定性或采样效率讨论资源节省的权衡
避免凭空关联股市等无关信息
换一题
上一题
请描述你负责项目的整体架构和核心业务流程。
下一题
WebSocket和HTTP有什么区别?
本题还出现在
互联网/IT行业面试题
人工智能面试题