DPO训练的损失函数和训练目标是什么？

字节跳动人工智能互联网/IT技术原理方案权衡

考察说明

考察对DPO算法原理、损失函数形式及其优化目标的理解

本题已收录答题指导

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。