返回全部题目← 上一题8 / 32下一题 →题库/模型训练与对齐/Q-14116教师模型打分并指导学生强化学习时，应怎样判断其训练范式？知识专题：蒸馏与模型合并题目类型：原理机制技术难度：进阶相关面经：1 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1 篇字节跳动大模型算法2026-08-30二面查看原面经 →基于教师模型打分、指导学生模型做强化学习训练，会产生什么训练效果？对应哪种主流优化范式？相关题目4 题0084蒸馏受限时，如何选择后训练方法提升模型能力？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇0347项目中的模型蒸馏具体如何实现？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：3 篇12734蒸馏 Rerank 模型时，训练数据怎样组织和构建？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇13964如何在训练时利用 CoT，推理时只输出答案，并检验准确率是否保持？同一知识专题题目类型：方案设计技术难度：进阶相关面经：1 篇♥♥♥♥♥← 上一题已到最后一题← 上一题自蒸馏或 OPD 训练是否需要重要性采样，应怎样判断？下一题 →缺少强真值时，怎样量化教师模型错误对蒸馏学生模型的负面影响？
