阿里巴巴面试题更新 2026-08-05
PPO和DPO分别是什么？它们各自是如何实现对齐的？
阿里巴巴人工智能电商技术原理方案权衡
考察说明
考察对强化学习与偏好优化算法的理解及其实现原理
回答思路
- 准确定义PPO和DPO的核心目标与应用场景
- 清晰解释PPO的代理目标、裁剪机制和重要性采样
- 清晰解释DPO的偏好配对、直接优化与奖励函数推导
- 对比两者在训练稳定性和实现复杂度上的差异
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。
