我要招人

百度面试题更新 2026-08-05

了解RL（强化学习）吗？请介绍一下GRPO（Group Relative Policy Optimization）。

百度人工智能专业服务技术原理技术选型

考察说明

考察对强化学习基础概念及GRPO算法的理解

回答思路

  1. 能简要说明强化学习的基本范式和关键概念
  2. 准确描述GRPO的核心思想：基于组内相对优势而非绝对优势
  3. 说明GRPO与PPO等传统方法的区别
  4. 理解GRPO的应用场景如大模型RLHF中的优势