返回全部题目← 上一题23 / 32下一题 →题库/模型训练与对齐/Q-5308如何把停留时长等隐式行为反馈转为可靠的 DPO 偏好数据？知识专题：偏好对齐题目类型：方案设计技术难度：深入收录题集：1 份暂无参考答案未标记未标记待复习已掌握收藏询问 AI选择 AI 平台KimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）自动带入当前题目本题目录收录题集相关题目收录题集1 份大语言模型Datawhale · daily-interview · 1 条原题查看题集 →设想一个网站上都是 AI 生成的内容，我们统计了每篇文章的平均用户停留时长，如何将其转化为 DPO 所需的偏好数据？对于小红书和知乎两种类型的网站，处理方式有什么区别？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← 上一题为什么大语言模型的对齐与安全风险难以完全消除？下一题 →实现数值稳定的 DPO 偏好损失。
