百度面试题更新 2026-08-05
请介绍GRPO与PPO两种强化学习算法的核心思想，并说明它们的主要区别。
百度人工智能专业服务沟通表达技术原理
考察说明
考察对两种强化学习算法的理解深度及对比分析能力
回答思路
- 能准确描述PPO基于策略梯度与重要性采样的原理
- 能准确描述GRPO基于组内相对奖励与无评论家模型的设计
- 能清晰对比二者在评论家模型、奖励基准、样本效率等方面的差异
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。
