← 返回题库查看进度看板

题目 ID: q-5351

2.GRPO 奖励函数设计逻辑，与 PPO/DPO 的核心差异

频次 1

NLP与大模型

当前状态：未收藏、未完成

常见追问

暂无追问变体。

常见公司

腾讯