如何按项目需要选择 DPO、Reward 设计或其他偏好对齐方法？

知识专题：偏好对齐题目类型：技术决策技术难度：进阶

相关面经：1 篇

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

百度

多模态算法实习生

2026-04-20日常实习

查看原面经 →

DPOSample偏好尝试不同reward或其他层面的偏好对齐，选择的依据