我要招人

百度面试题更新 2026-08-05

DPO和PPO的区别是什么？

腾讯海康威视百度人工智能互联网/IT专业服务技术原理方案权衡

考察说明

考察对强化学习算法DPO与PPO核心机制和差异的理解

回答思路

  1. 准确说明PPO基于策略梯度的在线学习方式
  2. 准确说明DPO基于偏好优化的离线学习方式
  3. 能对比两者的优化目标、样本效率、稳定性和适用场景
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