我要招人登录

哔哩哔哩面试题更新 2026-08-05

DPO的beta是什么意思？

哔哩哔哩人工智能技术原理技术选型

考察说明

考察对直接偏好优化（DPO）算法中关键超参数的理解

回答思路

准确解释beta在DPO中的角色，即控制对参考策略偏离的惩罚强度
说明beta对模型输出与参考策略相似度的影响
能联系DPO损失函数，解释beta如何平衡偏好优化与策略约束

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