大模型基础面试题题集来源：阿东玩 AI（Adong）收录项目：AgentGuide查看原题集 题目目录96 道原题隐藏关联题目排序默认排序面经最多71分析一下DPO和PPO的区别原题 关联题目DPO 与 PPO 有什么区别？已有答案模型训练与对齐 / 强化学习与奖励比较选型进阶8篇相关面经72DPO的正负样本怎么构造原题 关联题目RLHF 如何定义对话偏好和好坏标注标准，并构建偏好数据集？模型训练与对齐 / 偏好对齐方案设计进阶1篇相关面经73DPO的loss是什么？原题 关联题目DPO 的算法原理是什么？已有答案模型训练与对齐 / 偏好对齐原理机制进阶4篇相关面经74OpenAI对齐为什么要用强化学习，别的方法不行吗？原题 关联题目RLHF 相比 SFT 解决哪些对齐问题，为什么仅靠 SFT 往往不够？模型训练与对齐 / 偏好对齐比较选型进阶0篇相关面经75预训练和微调任务有什么区别，两者的目的原题 关联题目微调属于预训练还是后训练？模型训练与对齐 / 预训练、续训与 SFT概念解释基础1篇相关面经76SFT后会出现哪些问题原题 关联题目SFT 后可能出现哪些质量与泛化问题？模型训练与对齐 / 预训练、续训与 SFT原理机制进阶0篇相关面经77什么是PRM过程监督奖励？OpenAI的秘密武器？原题 关联题目什么是过程奖励模型 PRM？模型训练与对齐 / 强化学习与奖励概念解释进阶0篇相关面经78强化学习算法是怎么分类的？原题 关联题目强化学习算法可以按哪些维度分类？模型训练与对齐 / 强化学习与奖励概念解释基础1篇相关面经79怎么理解DPO的损失函数？原题 关联题目DPO 的算法原理是什么？已有答案模型训练与对齐 / 偏好对齐原理机制进阶4篇相关面经80DPO的微调流程原题 关联题目DPO 的算法原理是什么？已有答案模型训练与对齐 / 偏好对齐原理机制进阶4篇相关面经暂无题目共 96 道原题 · 显示 71–80 道展开全部96题上一页1…6789108 / 10下一页