京邦达面试题更新 2026-08-05
请解释GRPO、PPO和DPO的算法原理及其主要区别。
京邦达人工智能物流/供应链技术原理方案权衡
考察说明
考察对强化学习与偏好优化算法的原理理解和对比分析能力
回答思路
- 准确阐述PPO的裁剪目标与重要性采样
- 说明GRPO如何用组内相对优势替代价值网络
- 解释DPO将偏好优化转化为监督式目标
- 对比三者在样本效率、稳定性和实现复杂度上的异同
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。
