科大讯飞面试题更新 2026-08-05
请分别介绍PPO、DPO和GRPO算法，并说明它们的核心区别和各自适用场景。
蚂蚁集团科大讯飞人工智能互联网/IT专业服务技术原理技术选型方案权衡
考察说明
考察对强化学习与偏好优化算法原理的理解及对比分析能力
回答思路
- 准确阐述每种算法的核心思想和更新机制
- 说明PPO基于策略梯度的裁剪目标
- 说明DPO通过偏好数据直接优化策略，避免显式奖励模型
- 说明GRPO在PPO基础上简化critic，使用组内相对奖励
- 对比三者计算复杂度、稳定性和适用场景
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。
