返回全部题目← 上一题7 / 35下一题 →题库/模型训练与对齐/Q-10482构造 Agent 轨迹偏好对时，如何权衡成功、工具成本与失败恢复价值？知识专题：偏好对齐题目类型：方案设计技术难度：进阶相关面经：1 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经1 篇淘天AI Agent / 大模型应用研发2026-11-07秋招二面查看原面经 →两条轨迹都成功，一条调用三次工具，一条调用十二次工具，如何构造 DPO 偏好对？查看该问上下文 →如何权衡正确性、效率和安全性？查看该问上下文 →短轨迹一定比长轨迹好吗？查看该问上下文 →相关题目4 题0273SFT 与偏好数据如何构建，如何控制数据污染和分布偏移？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0275如何从 KL 约束的强化学习目标推导 DPO 目标？同一知识专题题目类型：原理机制技术难度：深入相关面经：1 篇0604DPO 中好坏样例生成概率都下降的问题如何理解？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇0605DPOP 的全称是什么？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题DPO 的算法原理是什么？下一题 →DPO 训练后模型输出明显变长，如何排查和处理？
