我要招人

淘宝闪购面试题更新 2026-08-05

PPO是on-policy还是off-policy算法？

淘宝闪购人工智能消费品/零售问题拆解技术原理

考察说明

考察对PPO算法性质的理解与判断

回答思路

  1. 能准确判断PPO属于on-policy方法
  2. 能结合重要性采样或截断目标说明原因
  3. 能说明PPO与off-policy方法的区别
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