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：

3363
项目奖励函数后续有什么改进思路？
模型训练与对齐强化学习与奖励
项目深挖
进阶
2 篇面经1 个题集来源
3368
较长对话的强化学习奖励如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经2 个题集来源
3369
奖励什么时候使用模型，什么时候使用规则？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经2 个题集来源
3372
多轮对话如何微调？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
1 篇面经2 个题集来源
3373
Agentic RL 如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经2 个题集来源
3448
什么是优势函数？
模型训练与对齐强化学习与奖励
概念解释
基础
1 篇面经2 个题集来源
3449
PPO 中需要训练哪几个模型？
模型训练与对齐强化学习与奖励
原理机制
基础
3 篇面经
3471
奖励函数是否依赖 Ground Truth，如何用大模型评分？
模型训练与对齐强化学习与奖励
方案设计
进阶
2 篇面经1 个题集来源
3556
微调属于预训练还是后训练？
模型训练与对齐预训练、续训与 SFT
概念解释
基础
1 篇面经2 个题集来源
3623
微调出现复读或幻觉时如何排查和处理？
模型训练与对齐训练框架、调参与排障
故障排查
进阶
1 篇面经2 个题集来源