DPO 为什么不需要在线采样，训练数据采用什么格式？

知识专题：偏好对齐题目类型：原理机制技术难度：进阶

相关面经：1 篇题集来源：1 个

未标记

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI

Kimi 千问 ChatGPT

本题目录

相关面经

1 篇

阿里巴巴

大模型算法工程师

2026-06-25一面

查看原面经 →

DPO无需在线采样的底层原理，配套训练数据采用何种格式？

收录题集

1 个来源，共1 份题集

强化学习与对齐

阿东玩 AI · AgentGuide · 1 条原题

查看题集 →

- 【DPO在线采样】DPO为什么不用在线采样？「阿里巴巴」