腾讯问答汇编题集来源：Rocky Ding（WeThinkIn）收录项目：AIGC-Interview-Book查看原题集 题目目录146 道原题隐藏关联题目排序默认排序面经最多102为什么 SFT 之后还要进行后训练原题 这里的“后训练”指 SFT 后的偏好或奖励优化。关联题目为什么在 SFT 后采用 RL，SFT 遇到了什么问题？已有答案模型训练与对齐 / 预训练、续训与 SFT比较选型进阶6篇相关面经103讲一下 DPO 的损失函数怎么计算原题 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104讲一下 GRPO 原理原题 关联题目GRPO 如何实现，奖励函数尤其长轨迹奖励如何设计？已有答案模型训练与对齐 / 强化学习与奖励方案设计深入4篇相关面经105GRPO 和 PPO 的区别原题 关联题目GRPO 相比 PPO 做了哪些改进？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106GRPO 的优点原题 关联题目GRPO 如何实现，奖励函数尤其长轨迹奖励如何设计？已有答案模型训练与对齐 / 强化学习与奖励方案设计深入4篇相关面经107什么情况下使用 GRPO 效果会不好原题 关联题目什么情况下 GRPO 效果较差？模型训练与对齐 / 强化学习与奖励故障排查进阶3篇相关面经108使用 GRPO 时，构造数据要符合什么要求原题 关联题目GRPO 训练数据应满足哪些要求？模型训练与对齐 / 强化学习与奖励方案设计进阶2篇相关面经109为什么不用 GRPO 训练，而是用 DPO 训练原题 关联题目为什么选择 DPO 而不选择 GRPO？模型训练与对齐 / 强化学习与奖励比较选型进阶1篇相关面经110熟悉哪些 Agent 框架原题 关联题目当前主流 Agent 框架（LangGraph、AutoGen、CrewAI、Dify）的核心设计理念和适用场景分别是什么？Agent 原理与系统 / MCP、A2A 与工具协议方案设计进阶5篇相关面经111如果要设计一个好的 Agent，除了大模型，还会设计哪些部分原题 关联题目Agent 是什么，由哪些核心能力和组件组成？已有答案Agent 原理与系统 / Agent 基础与运行循环概念解释基础57篇相关面经暂无题目共 146 道原题 · 显示 101–110 道展开全部146题上一页1…101112…1511 / 15下一页