我要招人登录

互联网/IT行业面试题更新 2026-08-05

DPO（直接偏好优化）的公式是什么？

字节跳动人工智能互联网/IT技术原理

考察说明

考察对直接偏好优化算法的数学定义和核心公式的掌握

回答思路

准确列出DPO的目标函数或损失函数
说明公式中各符号的含义（如策略、参考策略、偏好对）
能解释DPO与RLHF中PPO的区别，特别是省去奖励模型和强化学习的特性

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。

开始模拟面试登录查看答题指导