我要招人

百度面试题更新 2026-08-05

请解释DPO、PPO与RLHF之间的关系及各自在语言模型对齐中的作用。

百度人工智能专业服务技术原理方案权衡

考察说明

考察对强化学习对齐方法原理与演进的理解

回答思路

  1. 说明RLHF的整体流程与目标
  2. 对比PPO与DPO在目标函数和训练方式上的差异
  3. 指出DPO如何简化PPO中的奖励建模与策略优化
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