我要招人

人工智能面试题更新 2026-08-05

如何为基于 pair 对的训练样本设计 Reward Model 的损失函数？

滴滴人工智能编码实现技术原理PyTorch

考察说明

考察对偏好学习损失函数的理解与实现能力

回答思路

  1. 说明 pair 样本的构造与对比目标
  2. 写出或描述 Bradley-Terry 损失公式
  3. 解释 logits 与 margin 的作用
  4. 能处理 batch 内的配对逻辑
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