科大讯飞面试题更新 2026-08-05
为什么使用DPO，而不是其他强化学习算法？
科大讯飞人工智能专业服务技术原理技术选型方案权衡
考察说明
考察对DPO技术原理、适用场景及相对优势的理解
回答思路
- 说明DPO的核心思想：直接优化偏好数据，无需显式奖励模型和在线采样
- 对比PPO，指出DPO计算简单、训练稳定、资源消耗低的优势
- 阐述DPO的局限性，如离线数据、偏好质量敏感
- 能结合具体场景分析选择DPO的理由
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。
