我要招人

滴滴面试题更新 2026-08-05

PPO、DPO、GRPO 各自的优缺点是什么？

滴滴人工智能技术原理技术选型方案权衡

考察说明

考察对主流强化学习与偏好优化算法的理解、比较与适用场景判断

回答思路

  1. 准确说明三种方法的优化目标和核心机制
  2. 分别指出其稳定性、样本效率、实现复杂度等优缺点
  3. 能结合具体应用场景说明选型理由