我要招人登录

蚂蚁集团面试题更新 2026-08-05

请解释PPO和DPO的区别及各自的原理。

蚂蚁集团人工智能互联网/IT问题拆解技术原理

考察说明

考察对强化学习核心算法及其差异的理解深度

回答思路

准确说明PPO的目标函数、裁剪机制和离线策略采样
准确说明DPO的直接偏好优化思路及对奖励模型的简化
对比两者在训练复杂度、稳定性和适用场景上的差异

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