全部题目

模型、RAG、Agent与工程面试题一网打尽,配套答案解析与延伸追问。

已筛选

共 12224 道题

排序:

11381
GRPO 训练中为什么会出现回复变长,如何设计长度惩罚?
模型训练与对齐强化学习与奖励
原理机制
进阶
11382
强化学习采样温度如何影响探索、多样性和奖励噪声?
模型训练与对齐强化学习与奖励
原理机制
进阶
11384
没有标准答案的业务数据,如何构造可靠的强化学习奖励?
模型训练与对齐强化学习与奖励
方案设计
进阶
11386
GRPO 训练遇到超长回复时如何截断,并处理对应奖励?
模型训练与对齐强化学习与奖励
方案设计
进阶
11387
强化学习多轮迭代应继承上一轮模型还是重新从 SFT 开始?
模型训练与对齐训练框架、调参与排障
方案设计
进阶
11388
强化学习迭代几轮后效果下降,应如何排查?
模型训练与对齐训练框架、调参与排障
故障排查
进阶
11389
模型从训练到线上部署是否保持同一制品,量化后如何验证差异?
AI 应用工程与治理模型服务、部署与交付
方案设计
进阶
1139
项目使用哪个 Spring 版本,有哪些新特性?
软件工程基础Java、Spring 与 JVM
经历介绍
—
11390
从 7B 扩展到 32B 时,如何定位强化学习流水线最先遇到的瓶颈?
模型训练与对齐分布式训练与计算硬件
方案设计
进阶
11392
主 Agent 与子 Agent 之间如何定义可演进的上下文契约?
Agent 原理与系统多 Agent 编排与协作
方案设计
进阶