美团面试题更新 2026-08-05
PPO、GRPO、DPO 三者的区别是什么？
美团人工智能互联网/IT技术原理技术选型方案权衡
考察说明
考察对强化学习与偏好优化算法原理、适用场景及权衡的深入理解
回答思路
- 准确阐述PPO的依赖Critic模型和GAE的优势估计
- 说明GRPO去除Critic、基于组内相对优势进行更新的设计
- 对比DPO直接从偏好数据优化策略、绕过显式奖励模型
- 能结合训练成本、稳定性和适用任务说明各自优劣
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。
