电商行业面试题更新 2026-08-05
请比较DPO和PPO这两种强化学习优化方法，并说明它们各自的适用场景。
阿里巴巴人工智能电商技术原理技术选型方案权衡
考察说明
考察对DPO和PPO算法原理、差异及适用场景的理解
回答思路
- 准确阐述DPO和PPO的基本思想与核心公式
- 对比两者在目标函数、训练稳定性、计算成本上的差异
- 说明DPO无需显式奖励模型和强化学习采样的优势
- 指出DPO在小模型或特定任务上的限制及适用场景
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。
