返回全部题目← 上一题28 / 32下一题 →题库/模型训练与对齐/Q-6308DPO 与 GRPO 如何串行训练，并判断阶段衔接是否有效？知识专题：偏好对齐题目类型：方案设计技术难度：进阶收录题集：2 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2 份后训练综合问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →为什么 R1 训练不能先 GRPO 再 DPO？阿里巴巴问答汇编Rocky Ding · AIGC-Interview-Book · 2 条原题查看题集 →DPO训练造成模型分布尖锐后，是否可以接续开展GRPO训练？分类场景下DPO效果优于GRPO的核心原因是什么，二者能否串行训练？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← 上一题实现奖励模型的打分与训练。下一题 →ORPO 如何将监督微调与偏好优化结合？
