我要招人登录

人工智能面试题更新 2026-08-05

PPO、DPO、GRPO的区别

京东人工智能电商技术原理方案权衡

考察说明

考察对强化学习微调算法的理解与比较

回答思路

准确说明PPO基于策略梯度的on-policy训练与重要性采样
清晰描述DPO通过偏好对直接优化策略无需显式奖励模型
解释GRPO在PPO基础上的分组采样与基线上修改
能结合实际场景说明各自优劣与适用场景

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