GRPO 生成只命中商品 SID 前两个 Token 时如何给奖励？

知识专题：强化学习与奖励题目类型：方案设计技术难度：进阶相关面经：1 篇

暂无参考答案

未标记

本题目录

相关面经

1 篇

阿里巴巴

大模型推荐算法工程师

2026-06-01一面

查看原面经 →

grpo中解码约束。如果grpo只命中了sid前两个token怎么给奖励分。