返回全部题目← 上一题15 / 204下一题 →题库/模型训练与对齐/Q-11385强化学习 Rollout 与训练之间如何同步权重并控制策略陈旧？知识专题：训练框架、调参与排障题目类型：方案设计技术难度：进阶相关面经：2 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经2 篇月之暗面大模型算法2026-11-05一面、二面查看原面经 →rollout 用的是 vLLM 还是自家引擎，权重同步怎么做的。公司未注明AI Infra2026-03-03实习查看原面经 →介绍rl中如何把预训练权重同步到推理引擎；相关题目4 题0100项目中的强化学习框架是如何搭建的？同一知识专题题目类型：项目深挖技术难度：深入相关面经：3 篇0101verl 中的 Agent Loop 如何实现？同一知识专题题目类型：原理机制技术难度：进阶相关面经：3 篇0276训练正常而离线评测骤降时，如何定位链路问题？同一知识专题题目类型：故障排查技术难度：深入相关面经：1 篇0381资源受限的微调中，如何判断学习率过高或过低？同一知识专题题目类型：故障排查技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题预训练 Loss 突然出现尖刺时，如何定位原因？下一题 →强化学习多轮迭代应继承上一轮模型还是重新从 SFT 开始？