小鹏汽车面试题更新 2026-08-05
请解释 PPO 的基本原理及其 loss 的计算方式。
小鹏汽车人工智能消费品/零售技术原理方案权衡
考察说明
考察对 PPO 算法核心机制和损失函数的理解
回答思路
- 说明 PPO 是 on-policy 的策略梯度算法
- 准确描述 clipped surrogate objective 公式
- 解释 importance sampling 和裁剪比例的作用
- 说明 critic 网络和优势函数在 loss 中的作用
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。
