返回全部题目← 上一题74 / 251下一题 →题库/模型训练与对齐/Q-16822项目怎样修改 GRPO，改动希望解决什么问题、达到什么效果？知识专题：强化学习与奖励题目类型：项目深挖技术难度：进阶相关面经：1 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经1 篇百度AIGC 多模态算法实习生2026-02-04实习二面查看原面经 →你改进的GRPO是怎么改的，希望达到什么效果？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：4 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：20 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：6 篇♥♥♥♥♥← 上一题已到最后一题← 上一题基于现有大模型，怎样结合 Agent 方法训练能编写金融模型代码的 Coder？下一题 →PPO 的裁剪目标为什么同时使用 clip 和 min，仅保留 clip 会有什么问题？
