我要招人登录

哔哩哔哩面试题更新 2026-08-05

PPO与DPO的区别是什么？

哔哩哔哩人工智能技术原理技术选型

考察说明

考察对强化学习两种主流偏好对齐算法的原理与适用场景的理解

回答思路

能准确说明PPO基于策略梯度的在线更新机制
能准确说明DPO基于隐式奖励建模的离线偏好优化
能对比两者的计算成本、稳定性和数据需求
能结合实际场景说明各自的适用条件

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