我要招人

淘天集团面试题更新 2026-08-05

DPO训练中的梯度爆炸问题如何解决？

淘天集团人工智能互联网/IT风险判断技术原理问题排查

考察说明

考察对DPO训练中梯度爆炸现象的理解及处理策略

回答思路

  1. 能解释DPO中梯度爆炸的常见成因
  2. 给出梯度裁剪、学习率调整等具体解决方案
  3. 结合DPO特点说明防止策略优化的过度更新
  4. 讨论数值稳定性处理与监控指标