淘宝闪购面试题更新 2026-08-05
PPO里面优势函数有什么作用，重要性采样有什么作用？
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算法核心组件概念的掌握，包括优势函数和重要性采样的原理与作用
回答思路
- 能说明优势函数衡量动作相对平均水平的优劣，减少方差
- 能说明使用GAE等估计优势函数的方法
- 能解释重要性采样使得旧策略数据能够用于新策略更新
- 能说明PPO通过clip限制重要性采样比率以维持稳定性
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。
