返回全部题目← 上一题62 / 195下一题 →题库/模型训练与对齐/Q-2834GRPO 训练数据应满足哪些要求？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：2 篇题集来源：1 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2 篇腾讯大模型算法工程师2026-05-18暑期查看原面经 →使用 GRPO 时，构造数据要符合什么要求腾讯大模型算法工程师2026-05-05暑期实习一面查看原面经 →使用 GRPO 时，构造数据要符合什么要求收录题集1 个来源，共1 份题集腾讯问答汇编Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →使用 GRPO 时，构造数据要符合什么要求相关题目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← 上一题小模型做强化学习是否有效，如何选择模型与每轮数据规模？下一题 →A2C 的基本原理是什么？
