我要招人

京东面试题更新 2026-08-05

请写出 GRPO 的优化目标函数，并解释其各项含义。

京东人工智能电商编码实现技术原理

考察说明

考察对 GRPO 目标函数形式及正则化细节的掌握

回答思路

  1. 能写出包含策略比率、组内优势、KL 散度等核心项的公式
  2. 能解释组内优势的计算方式（如 z-score 归一化）
  3. 能说明 KL 约束或惩罚的作用
  4. 能指出目标函数在最大化期望奖励与限制策略漂移之间的平衡