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：

6085
实现 GRPO 的组内优势与策略损失。
模型训练与对齐强化学习与奖励
代码题
深入
1 篇面经2 个题集来源
0213
GRPO 组内奖励相同或方差接近零时，会有什么问题，如何处理？
模型训练与对齐强化学习与奖励
原理机制已有答案
进阶
1 篇面经1 个题集来源
1743
奖励项重要程度不同时，如何平衡各项权重？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经1 个题集来源
2632
DAPO 的改进解决了什么问题？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经1 个题集来源
2834
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
1 篇面经1 个题集来源
10837
Rollout 阶段 GPU 利用率低时，如何区分等待与计算并改进批调度？
模型训练与对齐训练框架、调参与排障
故障排查
进阶
1 篇面经
10975
GRPO 的组大小如何选择，增大或减小会带来什么影响？
模型训练与对齐强化学习与奖励
技术决策
进阶
1 篇面经
11381
GRPO 训练中为什么会出现回复变长，如何设计长度惩罚？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经
11382
强化学习采样温度如何影响探索、多样性和奖励噪声？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经
11383
模型评测中如何选择 Pass@1 与 Pass@k，并确定 k？
模型训练与对齐Verifier 与训练评测
方案设计
进阶
1 篇面经