AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
阿里巴巴面试题
请分别介绍DPO和PPO的损失函数、原理和区别,…
阿里巴巴面试题
更新 2026-08-05
请分别介绍DPO和PPO的损失函数、原理和区别,并说明DPO中探索是如何体现的?
阿里巴巴
阿里云
人工智能
专业服务
电商
技术原理
方案权衡
考察说明
考察对DPO与PPO损失函数原理、区别及探索机制的深入理解
回答思路
准确表述PPO的clipped surrogate目标与RLHF流程
准确表述DPO的隐式奖励与偏好概率损失函数
对比二者在奖励模型、采样和优化方式上的核心差异
解释DPO中探索通过对比样本和语言模型隐式先验体现
换一题
上一题
请分析递归算法的时间复杂度,并说明分析时需要注意哪些因素。
下一题
请详细介绍Session和Cookie的工作机制、区别以及底层原理。
本题还出现在
电商行业面试题
专业服务行业面试题
阿里云面试题
人工智能面试题