人工智能面试题更新 2026-08-05
DPO Loss是怎么优化的,为什么不用PPO?
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
考察对偏好对齐算法原理、优化差异及适用场景的理解
回答思路
- 说明DPO基于隐式奖励函数直接优化策略的推导思路
- 解释DPO与PPO在优化目标、采样效率和实现复杂度上的差异
- 指出DPO无需单独奖励模型和强化学习采样，减少方差与实现成本
- 讨论DPO的局限及PPO仍是需要明确奖励限制时的选择
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。
