京东面试题更新 2026-08-05
给定DPO（直接偏好优化）的损失函数公式，请从数学关系上推导在训练刚开始时（模型初始状态）的损失值，并解释其含义。
京东人工智能电商问题拆解技术原理
考察说明
考察对DPO损失函数结构的理解与数学推导能力
回答思路
- 正确写出DPO损失函数具体形式
- 将初始阶段条件代入并推导出损失的初始值
- 解释该初始损失值与偏好数据分布的关系
- 说明模型参数更新初期的行为含义
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。
