DPO（直接偏好优化）的损失函数及其参数的含义是什么？

哔哩哔哩人工智能技术原理方案权衡

考察说明

考察对 DPO 算法损失函数形式及关键参数的理解

本题已收录答题指导

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。