AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
小鹏汽车面试题
请对比 DPO、PPO、GRPO 三种方法的原理…
小鹏汽车面试题
更新 2026-08-05
请对比 DPO、PPO、GRPO 三种方法的原理、loss 计算和适用场景。
小鹏汽车
人工智能
消费品/零售
技术原理
技术选型
方案权衡
考察说明
考察对多种对齐算法差异的横向对比与选型能力
回答思路
对比 DPO 与 PPO/GRPO 在 off-policy/on-policy 上的本质差异
对比 PPO 与 GRPO 在 critic 网络和优势估计上的差异
说明三者在数据需求、计算成本和稳定性上的取舍
结合具体场景给出选型理由
换一题
上一题
请详细说明 ArrayList 的扩容机制,以及频繁扩容可能带来的问题。
下一题
浏览器缓存主要有哪些类型?
本题还出现在
消费品/零售行业面试题
人工智能面试题