返回全部题目← 上一题22 / 204下一题 →题库/模型训练与对齐/Q-11816项目使用什么库实现 DPO，如何配置训练？知识专题：训练框架、调参与排障题目类型：项目深挖技术难度：进阶相关面经：4 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4 篇滴滴大模型算法实习生2026-04-28实习暑期一面查看原面经 →dpo训练参数蚂蚁集团AI Agent 算法实习生2026-04-13实习二面查看原面经 →SFT 之后，后面的 DPO 过程又是如何开展的？美的大模型算法实习生2026-04-01日常实习一面查看原面经 →介绍一下dpo算法，dpo这里训练数据怎么来的?Dpo训练框架?小红书大模型算法2026-02-26日常实习一面查看原面经 →dpo用的什么库相关题目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← 上一题大模型预训练与强化学习训练在工程上各有哪些优化方向？下一题 →强化学习 Rollout 有哪些性能优化方法？
