美团面试题更新 2026-08-05

你了解GRPO算法吗?它的优势(advantage)是如何计算的?

美团人工智能互联网/IT问题拆解技术原理

考察说明

考察对GRPO强化学习算法的理解及其优势函数计算机制

回答思路

  1. 说明GRPO的基本原理和与PPO的区别
  2. 解释优势值基于组内相对奖励的计算方式
  3. 提及基线使用、方差减少和实现简化
  4. 能指出计算中的关键细节如归一化或中心化