美团高频面试题
模型开启/关闭Thinking推理机制，对微调训练效果的影响
原题SFT的终止判定条件，满足哪些标准可切入RL训练？
原题大模型训练为什么必须拆分SFT预微调+RL强化优化两个阶段，能否简化流程？
原题针对字段提取业务，需要设计哪些维度的Reward函数？
原题项目中是否遇到过Reward Hacking问题，对应的识别与解决方案？
原题RL训练数据集的构建思路，能否直接复用SFT阶段的训练数据？
原题如何解释RL训练初期Reward数值先降后升的现象？
原题RL全流程需要重点监控哪些核心训练指标，如何根据指标调优？
原题RL训练中如何兼顾难易样本，提升模型对高难度业务任务的探索能力？
原题可以详细介绍一下项目：项目场景、设计方案、开发内容？
原题
暂无题目