小鹏汽车面试题更新 2026-08-05
请解释 GRPO 的基本原理及其 loss 的计算方式。
小鹏汽车人工智能消费品/零售技术原理方案权衡
考察说明
考察对 GRPO 算法核心思想和损失函数的理解
回答思路
- 说明 GRPO 去掉了 critic 网络，用组内相对奖励估计优势
- 准确描述组内归一化优势和策略 loss 公式
- 解释为什么要做组内归一化基线
- 对比 GRPO 与 PPO 在内存和计算上的差异
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。
