我要招人

人工智能面试题更新 2026-08-05

从算法原理角度，DPO 与 PPO 相比有哪些优缺点？

美团人工智能互联网/IT技术原理技术选型方案权衡

考察说明

考察对偏好优化算法原理和取舍的深入理解

回答思路

  1. 说明 DPO 的隐式奖励建模原理与免强化学习特点
  2. 说明 PPO 的显式奖励模型和在线采样过程
  3. 对比稳定性、计算成本、数据效率和对齐效果
  4. 指出 DPO 的分布偏移或对参考模型依赖等局限
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