返回全部题目← 上一题28 / 195下一题 →题库/模型训练与对齐/Q-1234PPO 与 TRPO 有何区别？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：1 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1 篇百度端到端决策规划控制算法工程师2026-09-04秋招二面查看原面经 →说一下PPO和TRPO的一个区别。收录题集2 个来源，共3 份题集强化学习与对齐Firefly · llm_interview_note · 1 条原题查看题集 →请简述一下近端策略优化算法。其与信任区域策略优化算法有何关系呢？强化学习与对齐阿东玩 AI · AgentGuide · 3 条原题查看题集 →【PPO】为什么策略更新幅度大了就会不好？以及为什么clip比trust region更实用？ 「京东、百度」【PPO裁剪机制】Clip机制如何起到Trust Region的约束效果？ 「字节跳动」写出PPO的算法公式，解释损失函数各部分（如clip、ratio、advantage、returns等），核心思想是什么？ 强化学习的发展历程，详细介绍PPO各个流程以及损失函数，GAE主要解决什么问题？比较TRPO和PPO。深度学习基础汇编阿东玩 AI · AgentGuide · 1 条原题查看题集 →MQA/GQA/MLATRPO，PPO？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← 上一题如何证明模型学到了不同风格的影响，并评估效果？下一题 →训练中出现策略坍缩如何解决？
