小米集团面试题更新 2026-08-05
GRPO、DPO、PPO三者的核心区别是什么？
小米集团人工智能电子/半导体技术原理方案权衡
考察说明
考察对强化学习及偏好优化算法原理的掌握与辨析能力
回答思路
- 准确说明PPO基于策略梯度与重要性采样的机制
- 清晰阐述DPO将偏好优化转化为监督学习的思路及免奖励模型特性
- 准确解释GRPO去除critic模型、基于组内相对优势的优化方式
- 能对比三者在计算开销、稳定性和适用场景上的差异
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。
