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：

2706
如何构建 chosen/rejected 偏好对，模型答案优于标注答案时如何处理？
模型训练与对齐偏好对齐
方案设计
进阶
1 篇面经
2715
微调过程中遇到过哪些问题，如何定位并解决？
模型训练与对齐训练框架、调参与排障
项目深挖
进阶
1 篇面经
2772
GRPO 生成只命中商品 SID 前两个 Token 时如何给奖励？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经
2792
大模型还有哪些值得增强的能力？
模型训练与对齐预训练、续训与 SFT
开放讨论
—
1 篇面经
2794
小模型做强化学习是否有效，如何选择模型与每轮数据规模？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经
2848
A2C 的基本原理是什么？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经
3173
如何为海底捞智能点餐 Agent 设计后训练方案？
模型训练与对齐预训练、续训与 SFT
系统设计
深入
1 篇面经
3174
智能点餐场景的多轮 RL Reward 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
3297
简单介绍后训练和强化学习。
模型训练与对齐强化学习与奖励
概念解释
基础
1 篇面经
3447
多智能体系统如何设计奖励以促进协作而非竞争？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经