我要招人

MiniMax面试题更新 2026-08-05

DeepSeek 的 GRPO 相比 GPT 使用的 PPO 做了哪些改进？

MiniMax人工智能技术原理方案权衡

考察说明

考察对 GRPO 与 PPO 算法差异的深入理解

回答思路

  1. 能指出 GRPO 去掉了 Critic 价值网络
  2. 能说明 GRPO 使用组内相对优势估计替代优势函数
  3. 能解释 GRPO 在计算效率和训练稳定性上的改进