我要招人

淘天集团面试题更新 2026-08-05

PPO 和 DPO 在大模型对齐中的主要区别是什么？

淘天集团人工智能互联网/IT技术原理方案权衡

考察说明

考察对两种主流对齐算法的原理理解与差异辨析

回答思路

  1. 说明 PPO 基于奖励模型和强化学习的流程
  2. 说明 DPO 使用偏好对直接优化策略的特点
  3. 对比两者的训练目标、稳定性和资源消耗
本题已收录答题指导

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。

开始模拟面试登录查看答题指导