真面经，好答案。面试之前，先来面栈。

月之暗面

1 篇面经31 道面试题

官方招聘开始复习

已筛选

共 31 道题

排序：

2705
训练时如何选择关键超参数并判断其影响？
模型训练与对齐训练框架、调参与排障
方案设计
进阶
1 篇面经5 个题集来源
0001
请做一个自我介绍，说明自己的实习与学习经历。
项目与综合面试个人介绍与教育经历
经历介绍已有答案面前必看
—
1 篇面经4 个题集来源
0736
什么是 Reward Hacking，如何识别、定位并治理？
模型训练与对齐强化学习与奖励
故障排查已有答案
进阶
1 篇面经4 个题集来源
2490
GRPO 相比 PPO 做了哪些改进？
模型训练与对齐强化学习与奖励
比较选型已有答案
进阶
1 篇面经4 个题集来源
2702
GRPO 如何估计组内优势？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经4 个题集来源
0346
模型、GPU 和参数规模如何选择，是否考虑更大参数模型加量化？
模型基础与推理模型选型与能力边界
比较选型已有答案
进阶
1 篇面经3 个题集来源
3661
GSPO 的核心机制是什么，与 GRPO 有什么关系？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经3 个题集来源
0014
团队如何分工，你在项目中负责哪些部分？
项目与综合面试项目背景、架构与职责
项目深挖已有答案
基础
1 篇面经2 个题集来源
3369
奖励什么时候使用模型，什么时候使用规则？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经2 个题集来源
4167
什么是训练推理一致性，如何发现并缩小两阶段差异？
模型训练与对齐训练框架、调参与排障
原理机制
深入
1 篇面经2 个题集来源