我要招人登录

人工智能面试题更新 2026-08-05

GRPO是on policy还是off policy?为什么?

美团人工智能互联网/IT技术原理

考察说明

考察对GRPO算法策略性质的理解及原因分析

回答思路

明确GRPO属于on-policy算法
解释其基于当前策略采样生成轨迹
说明与off-policy算法（如PPO的旧数据复用）的区别
指出旧策略数据不直接复用的原因

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