GRPO 中为什么错误答案较长、正确答案较短？

知识专题：强化学习与奖励题目类型：原理机制技术难度：进阶

相关面经：1 篇

未标记

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

相关面经

1 篇

阿里巴巴

Agent 算法工程师

2026-06-23二面

查看原面经 →

grpo为什么错误答案长，正确答案短