真面经，好答案。面试之前，先来面栈。

模型训练与对齐

本分类共 9 个专题 · 761 道题

已筛选

共 761 道题

排序：

3010
PPO 的 Reward Model 如何训练？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经2 个题集来源
3364
KL 散度有什么作用，为什么使用它？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经2 个题集来源
3478
是否使用过 DeepSpeed、DDP 等分布式训练框架？
模型训练与对齐分布式训练与计算硬件
经历介绍
—
3 篇面经1 个题集来源
3681
LLM 如何通过训练学会调用外部工具？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
1 篇面经3 个题集来源
3717
DeepSeek R1 的训练过程有哪些关键步骤？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经4 个题集来源
4352
SFT 的核心流程是什么，之后常见的后训练方法有哪些？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
3 篇面经1 个题集来源
4511
RLHF 相比 SFT 解决哪些对齐问题，为什么仅靠 SFT 往往不够？
模型训练与对齐偏好对齐
比较选型
进阶
暂无面经4 个题集来源
4517
强化学习如何解决信用分配，Token 级和序列级奖励有什么区别？
模型训练与对齐强化学习与奖励
比较选型
深入
暂无面经4 个题集来源
4518
什么是 RLAIF，使用 AI 反馈进行对齐有哪些潜力和风险？
模型训练与对齐偏好对齐
原理机制
进阶
暂无面经4 个题集来源
4535
高质量合成数据可能在未来大模型训练中发挥什么作用？
模型训练与对齐训练数据构建与治理
开放讨论
—
暂无面经4 个题集来源