米哈游面试题更新 2026-08-05
DPO 训练后模型输出长度通常会如何变化？如何解决输出长度失控的问题？
米哈游人工智能游戏技术原理方案权衡问题排查
考察说明
考察对 DPO 训练后输出长度变化的理解及长度控制的工程手段
回答思路
- 能指出 DPO 后输出长度通常显著增加的现象及原因
- 能说明长度失控与奖励模型偏好、数据偏差的关系
- 能给出长度惩罚、参考模型约束、数据过滤等至少两种解决方案
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。
