DPO 中好坏样例生成概率都下降的问题如何理解？

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

暂无参考答案

未标记

本题目录

相关面经

1 篇

阿里巴巴

大模型应用算法工程师

2026-03-30

查看原面经 →

dpo训练是同时打压好坏样例的生成概率问题