返回全部题目← 上一题65 / 195下一题 →题库/模型训练与对齐/Q-2914为什么选择 DPO 而不选择 GRPO？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 篇腾讯大模型算法工程师2026-05-05暑期实习一面查看原面经 →为什么不用 GRPO 训练，而是用 DPO 训练收录题集2 个来源，共2 份题集强化学习与对齐阿东玩 AI · AgentGuide · 1 条原题查看题集 →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」为什么不用GRPO训练，而是用DPO训练？腾讯问答汇编Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →为什么不用 GRPO 训练，而是用 DPO 训练相关题目4 题1896项目为什么选择 GRPO 而不选择 DPO？题族变体题目类型：比较选型技术难度：进阶相关面经：1 篇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♥♥♥♥♥← 上一题已到最后一题← 上一题什么情况下 GRPO 效果较差？下一题 →PPO 的 Value Model 如何训练？
