请阐述DPO（Direct Preference Optimization）的完整流程。

贝壳找房人工智能互联网/IT技术原理方案权衡

考察说明

考察对DPO算法原理、数据构造与训练流程的掌握

本题已收录答题指导

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。