返回全部题目← 上一题96 / 195下一题 →题库/模型训练与对齐/Q-3547DPO 与 GRPO 的原理、优缺点和适用场景有何差异？知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶相关面经：3 篇题集来源：2 个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）本题目录相关面经收录题集相关题目相关面经3 篇快手算法岗2026-11-02一面、二面查看原面经 →项目选择DPO优化方案的原因？横向对比PPO、GRPO三类优化算法的适配差异。海底捞AI工程师实习生2026-10-12实习一面查看原面经 →DPO和GRPO区别阿里巴巴Agent 算法工程师2026-05-05一面查看原面经 →延伸问题对比DPO与GRPO原理差异、优劣特点与落地适用场景。收录题集2 个来源，共3 份题集阿里巴巴问答汇编Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →分类场景下DPO效果优于GRPO的核心原因是什么，二者能否串行训练？后训练综合问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →DPO 为什么训练稳，但不一定适合 reasoning / agent 主线？强化学习与对齐阿东玩 AI · AgentGuide · 3 条原题查看题集 →【GRPO对比与调优】谈论下GRPO相比DPO的优缺点，什么情况下二者几乎等同。（追问）你认为GRPO的局限性有哪些？如何克服？（追问）如何调优GRPO的超参数来改善训练效果？ 「腾讯」DPO与其他算法对比 DPO与其他算法对比： 「京东、字节跳动、百度、美团、腾讯、蚂蚁集团、阿里巴巴、阿里通义」GRPO与DPO对比：区别是什么？GRPO比DPO少了哪个模块？为什么用GRPO不用DPO？「字节跳动、阿里巴巴」DPO loss和GRPO loss有什么区别？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：3 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：14 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：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题Agent 对齐优化为什么选择强化学习，如何与 SFT、DPO、PPO、GRPO 和 RAG 比较？下一题 →如何从算法机制解释 GRPO 的探索能力和训练稳定性？
