vivo高频面试题
数据生成后有没有做校验与过滤？怎么做的？
原题LoRA 微调的超参数（rank）如何选择？
原题是否尝试过多种微调 / 强化学习方法？为什么选当前方案？
原题奖励函数（Reward）是如何设计的？
原题强化学习是优化端到端结果，还是优化单步决策？
原题有没有遇到奖励作弊（Reward Hacking）？如何解决？
原题GRPO 的重要性采样的数学意义是什么？
原题KL 散度系数等超参数是如何调优的？
原题多轮任务是否考虑端到端训练？如何设计？
原题模型 / 系统效果如何评估？指标怎么计算？
原题
暂无题目