互联网/IT行业面试题更新 2026-08-05
DPO训练只用DPO对齐阶段的Loss吗？
深圳虾皮信息科技有限公司人工智能互联网/IT技术原理方案权衡
考察说明
考察对DPO训练全流程中各类损失函数作用与使用场景的理解
回答思路
- 能区分DPO对齐阶段的DPO loss与训练过程中可能存在的其他损失
- 能说明SFT阶段或辅助损失（如KL散度、正则项）的存在与作用
- 能结合实际训练流程说明不同阶段损失函数的用途
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
