Level 86 | 零基础导学关卡
DPO Online Benchmark
在线 DPO benchmark 观察持续反馈与更新的完整循环。它像长期运营一间店：一次好评高峰不代表可以忽略质量下限和更新成本。
本课官方 Notebook ↗在线 DPO benchmark 观察持续反馈与更新的完整循环。它像长期运营一间店：一次好评高峰不代表可以忽略质量下限和更新成本。
先不看公式：用上面的生活场景，说一说这节课想减少哪种浪费、需要付出什么代价。
本课中的「window」指什么？
用一个小动作确认自己理解了；最后再进入官方题目。
先用默认数值手算，再只改一个参数。让结果来检验你的猜想。
baseline 和 candidate 使用相同反馈流、初始模型与评测窗口。
候选胜率 0.65，比 0.60 好，但安全分 0.92 低于 0.95，仍不能通过。
满足安全后，再看更新时延、稳定性和重复窗口是否保持收益；回退路径也应清楚。
改变显存和质量门槛。先过滤，再在合格者中比较速度。
教学简化模型：所有数值来自上方规则，不是 GPU 性能实测。播放可以暂停，键盘方向键可调整滑块。
胜率提高，但安全 0.92<0.95，更新 120ms>100ms，能通过吗？
用一个小动作确认自己理解了；最后再进入官方题目。
下面是一段独立的小练习。它把计算关系写清楚，帮助你进入官方题目；不是整份作业的答案。
candidate = {"win":.65, "safety":.92, "update_ms":120}
pass_gate = candidate["safety"] >= .95 and candidate["update_ms"] <= 100
print(pass_gate) # False先找输入变量，再找中间量，最后核对注释里的输出。改一个输入，手算后再运行。
把一次模拟门槛通过当成真实线上验收；逻辑测试只证明决策函数在给定输入下的行为。
同学提出下面的做法，哪一项会导致本课讨论的误判？
用一个小动作确认自己理解了；最后再进入官方题目。
把理解变成自己的代码
在本页用小例子建立直觉，再去官方 Notebook 完成实现。先运行你自己的测试，遇到困难时再查看官方提示与参考答案。
summarize_online_dpo_runs · compare_online_dpo_to_baseline · recommend_online_dpo_run
先找题目里的输入、输出与 TODO，再把本课的手算过程对应进去；以官方题目中的函数说明和测试为准。
练习来源：Datawhale 官方仓库 · 518cc45。这里的入口直接打开官方版本，不读取或分享你的本地 Notebook。