我要招人

小米集团面试题更新 2026-08-05

请解释GRPO、DAPO和GSPO这三种强化学习训练方法，并分别说明它们的核心优势和适用场景。

小米集团人工智能电子/半导体技术原理技术选型方案权衡

考察说明

考察对LLM强化学习训练方法的理解、区分与场景选择

回答思路

  1. 准确解释GRPO、DAPO、GSPO的核心思想与算法差异
  2. 说明各自解决的关键问题（如方差、奖励稀疏、长度偏差）
  3. 能结合实际训练场景说明选择理由