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

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？