GRPO 中 KL 散度损失如何计算实现？

知识专题：强化学习与奖励题目类型：原理机制技术难度：深入相关面经：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

大模型算法工程师

2026-06-25一面

查看原面经 →

追问

其中KL散度损失如何计算实现？