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

  1. 准确概括 PPO 的截断代理目标与重要性采样思想
  2. 准确概括 DPO 通过偏好数据直接优化策略的思想
  3. 能比较两者在目标、复杂度、数据需求上的差异
本题已收录答题指导

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。