科大讯飞面试题更新 2026-08-05
请解释PPO和GRPO的区别，以及各自的优缺点。
科大讯飞人工智能专业服务技术原理方案权衡
考察说明
考察对两类强化学习策略优化算法的原理理解与对比分析
回答思路
- 准确阐述PPO基于actor-critic和GAE的优势函数估计
- 说明GRPO如何去除critic并基于组内奖励优势进行归一化
- 对比二者在内存消耗、训练稳定性、计算效率和适用场景上的差异
- 指出各自局限如PPO的偏差风险与GRPO的方差问题
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。
