我要招人

OPPO面试题更新 2026-08-05

请解释PPO和DPO在强化学习对齐中的核心区别。

OPPO人工智能通信/运营商技术原理技术选型方案权衡

考察说明

考察对强化学习对齐算法原理与训练方式差异的理解

回答思路

  1. 准确说明PPO的在线策略与奖励模型依赖
  2. 准确说明DPO的直接偏好优化与离线特性
  3. 对比两者在训练稳定性、计算成本和样本效率上的差异
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