我要招人登录

科大讯飞面试题更新 2026-08-05

介绍DPO和PPO的区别。

科大讯飞人工智能专业服务技术原理方案权衡

考察说明

考察对两种强化学习/偏好优化算法原理与适用场景的理解

回答思路

正确阐述PPO作为传统强化学习算法的目标与训练方式
正确阐述DPO作为直接偏好优化算法的目标与简化特性
能对比两者的依赖假设、稳定性和计算开销
能指出各自适用场景与常见误区

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