我要招人

腾讯面试题更新 2026-08-05

你了解PPO和DPO吗？在强化学习训练中为什么选择GRPO而不是它们？

腾讯人工智能互联网/IT技术原理技术选型方案权衡

考察说明

考察对主流强化学习算法原理的理解及选择依据

回答思路

  1. 准确解释PPO和DPO的核心原理与差异
  2. 说明GRPO与PPO、DPO的主要区别和优势
  3. 结合场景说明选择GRPO的合理性，能讨论局限