← 返回全部题目← 上一题12 / 100下一题 →题库/模型训练与对齐/Q-0514PPO 算法原理是什么？知识专题：强化学习与奖励题目类型：原理机制技术难度：进阶相关面经：7 篇暂无参考答案未标记未标记待复习已掌握收藏本题目录相关面经相关题目相关面经7 篇极兔Agent 算法工程师2026-07-08实习查看原面经 →-PPO 的基本流程是什么？字节跳动大模型算法工程师2026-05-08暑期实习一面、二面、三面查看原面经 →ppo grpo的具体原理以及区别京东大模型应用算法工程师2026-03-30查看原面经 →PPO的原理百度Agent 算法工程师2026-03-11实习查看原面经 →详细问了 RLHF，包括 PPO 算法原理京东算法工程师（对话机器人）2026-01-27实习查看原面经 →GRPO，PPO,DPO的算法原理展开剩余 2 篇面经美团Agent 算法工程师2025-09-27查看原面经 →介绍下ppo dpo grpo算法美团2025-09-15二面查看原面经 →讲一下ppo和grpo相关题目4 题0086如何判断强化学习带来的实际收益？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：2 篇0103强化学习包含哪些主要组件？同一知识专题题目类型：概念解释技术难度：基础相关面经：2 篇0104GRPO 算法如何工作？同一知识专题题目类型：原理机制技术难度：进阶相关面经：6 篇0105On-policy 和 Off-policy 有什么区别？同一知识专题题目类型：比较选型技术难度：进阶相关面经：1 篇← 上一题已到最后一题← 上一题RLHF 奖励模型的训练数据如何构建？下一题 →DPO 与 PPO 有什么区别？
