我要招人

美团面试题更新 2026-08-05

PPO 算法能否不使用价值网络（Value Model）？请说明理由或替代方案。

美团人工智能互联网/IT技术原理

考察说明

考察对 PPO 中优势估计作用及无价值网络方案的理解

回答思路

  1. 理解价值网络用于计算优势函数基线
  2. 能说明去掉价值网络的后果及替代优势估计方法
  3. 讨论 GAE 与蒙特卡洛回报的关系
  4. 能提出基于奖励的估计改进方案
本题已收录答题指导

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。

开始模拟面试登录查看答题指导