返回全部题目← 上一题10 / 33下一题 →题库/模型训练与对齐/Q-3483为什么 DPO 不适合当前项目场景？知识专题：偏好对齐题目类型：比较选型技术难度：进阶相关面经：2 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2 篇阿里巴巴Agent 算法工程师2026-05-16一面、二面查看原面经 →为什么在你的场景中不适合使用DPO？阿里巴巴Agent 算法工程师2026-05-16一面、二面查看原面经 →为什么在你的场景中不适合使用DPO？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 为什么不需要在线采样，训练数据采用什么格式？下一题 →RLHF 如何定义对话偏好和好坏标注标准，并构建偏好数据集？
