搜索面试经历、知识题和 Coding 题。
至少输入两个字符。结果覆盖知识库、面试、Coding、公司和主题。
掌握 PPO / GRPO 后训练流程中的 advantage estimation、clipping 和 KL 机制。
共 6 道题 · 已解决 0 道
计算 Discounted Returns
Generalized Advantage Estimation
PPO Probability Ratio
PPO Clipped Objective
GRPO Group Advantage
Approximate KL Penalty