人工智能面试题更新 2026-08-05
为什么大模型对齐时选择 DPO 而非直接进行 SFT？核心差异是什么？
北京智谱华章科技人工智能互联网/IT技术原理方案权衡
考察说明
考察对监督微调与偏好优化在对齐目标、数据需求和效果差异上的理解
回答思路
- 明确 SFT 与 DPO 在训练目标上的根本区别
- 说明 DPO 如何利用偏好数据而无需显式奖励模型
- 讨论 DPO 在稳定性、算力和效果上的优势与局限
- 能结合实际场景说明何时选用 DPO
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。
