GRPO 如何估计组内优势？

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：2 篇题集来源：4 个

未标记

暂无参考答案

带着这道题，问问 AI

选择平台，携带当前题目继续提问。

问 AI

选择 AI 平台

Kimi 千问 ChatGPT

自动带入当前题目

Kimi · 千问 · ChatGPT

本题目录

相关面经

2 篇

唯品会

大模型算法实习

2026-08-05实习

查看原面经 →

GRPO相对奖励怎么来的？这个项目里面。

滴滴

算法工程师

2026-06-21实习

查看原面经 →

GRPO 的组内优势怎么估计

收录题集

4 个来源，共4 份题集

强化学习与对齐

阿东玩 AI · AgentGuide · 2 条原题

查看题集 →

数学公式推导高频考点

Rocky Ding · AIGC-Interview-Book · 1 条原题

查看题集 →

- GRPO 的组内相对优势如何计算？

机器学习原理

Alireza Dirafzoon · AIMLInterviews · 1 条原题

查看题集 →

- Why does GRPO drop the critic network, and how does it estimate advantage?

训练、数据与模型优化：从数据清洗到 LoRA

Onefly · zero2Agent · 1 条原题

查看题集 →

- GRPO 中相对奖励是如何计算的？同一组奖励方差接近零时如何处理？