我要招人

拼多多集团-PDD面试题更新 2026-08-05

请对比PPO与GRPO两种强化学习算法的核心思想与主要区别。

拼多多集团-PDD人工智能电商技术原理方案权衡

考察说明

考察对强化学习算法在语言模型对齐中应用的理解

回答思路

  1. 说明PPO的裁剪目标与价值网络作用
  2. 解释GRPO去除价值网络、基于组内相对优势的设计
  3. 比较两者在内存开销与训练稳定性上的差异
  4. 能说明各自适用场景
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