互联网/IT行业面试题更新 2026-08-05
PPO（近端策略优化）和 DPO（直接偏好优化）的主要思想是什么？
字节跳动人工智能互联网/IT技术原理方案权衡
考察说明
考察对两类强化学习/对齐算法的核心思想、差异与适用场景的理解
回答思路
- 准确概括 PPO 的截断代理目标与重要性采样思想
- 准确概括 DPO 通过偏好数据直接优化策略的思想
- 能比较两者在目标、复杂度、数据需求上的差异
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。
