我要招人登录

小红书面试题更新 2026-08-05

项目:DPO,PPO和GRPO的区别

小红书人工智能专业服务技术原理

考察说明

考察对强化学习微调算法核心差异的理解

回答思路

准确说明PPO基于策略梯度的在线优化与奖励模型
解释DPO通过直接偏好优化避免显式奖励建模
明确GRPO在PPO基础上剔除价值网络、组内采样估计优势
对比三者适用的场景与算力需求

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