阿里云面试题更新 2026-08-05
介绍一下PPO（近端策略优化）算法。
阿里云蚂蚁集团人工智能互联网/IT专业服务技术原理方案权衡
考察说明
考察对强化学习核心算法原理、动机与实现关键点的理解
回答思路
- 准确说明PPO是策略梯度方法并解决更新步长问题
- 能解释裁剪目标函数的作用与KL散度限制的关系
- 能区分PPO与TRPO的异同并说明PPO的优势
- 能指出PPO的适用范围与工程实现要点
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。
