腾讯面试题更新 2026-08-05
对齐算法对比：请对比 RLHF、PPO、DPO 算法的技术差异、优缺点及适用场景。
腾讯人工智能互联网/IT技术原理技术选型方案权衡
考察说明
考察对主流大模型对齐算法原理、差异和适用性的理解
回答思路
- 准确阐述 RLHF 的整体流程与三阶段分工
- 清晰对比 PPO 与 DPO 在目标函数、训练稳定性和资源需求上的差异
- 列出各算法的优缺点并给出合理适用场景
- 体现对离线偏好优化与在线强化学习权衡的理解
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。
