真面经，好答案。面试之前，先来面栈。

一个正例分别与多个负例配对做 DPO，能否学到负例之间的优劣排序？

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：2 篇
未标记

反馈（在 GitHub 新标签页打开）

Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~

问 AI
Kimi（新窗口打开）千问（新窗口打开）ChatGPT（新窗口打开）
本题目录

相关面经

2 篇

阿里巴巴

面经合集社招
查看原面经 →
### 3. 单正例搭配多负例的DPO训练，模型能否学习负样本之间优劣排序？

阿里巴巴

Agent 算法工程师
社招一面
查看原面经 →
单正例搭配多负例的DPO训练，模型能否学习负样本之间优劣排序？

相关题目

4 题
0273SFT 与偏好数据如何构建，如何控制数据污染和分布偏移？同一知识专题题目类型：方案设计技术难度：进阶相关面经：2 篇0275如何从 KL 约束的强化学习目标推导 DPO 目标？同一知识专题题目类型：原理机制技术难度：深入相关面经：9 篇0604DPO 中好坏样例生成概率都下降的问题如何理解？同一知识专题题目类型：原理机制技术难度：进阶相关面经：3 篇0605DPOP 的全称是什么？同一知识专题题目类型：原理机制技术难度：进阶相关面经：1 篇