阿里巴巴面试题更新 2026-08-05
这里为什么使用GRPO而不使用DPO，说说两者区别，损失函数是什么？
阿里巴巴人工智能电商技术原理技术选型方案权衡
考察说明
考察对强化学习偏好优化方法的理解，包括算法原理、适用场景和损失函数差异
回答思路
- 准确说明GRPO与DPO的核心区别
- 解释GRPO相对DPO的优势及其适用场景
- 分别描述GRPO和DPO的损失函数形式
- 能结合实际任务说明选择理由
本题附完整参考答案与评分标准
登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。
