百度
文心一言实习一面面经
完整信息
本篇目录
1. 你做的Agent架构是不是Workflow范式？
2. 模型Action动作体系是如何设计、拆分与定义的？
3. RL训练前是否做过SFT？如何判断SFT训练充分？主要看哪些指标？
4. 项目Reward如何设计？为什么引入Verifier？用的哪类Verifier、优势是什么？具体怎么使用？训练效果变差时如何迭代调整Reward策略？
5. 如何识别模型熵坍塌？结合实际案例说明。
6. 如何发现Reward Hacking问题？结合真实案例说明现象与定位方式。
7. 日常Badcase回流怎么做？主要回流哪些样本？为什么必须做回流迭代？
8. PPO的Value模型、Reward模型如何训练？GRPO的Reward体系能否迁移到PPO？是否了解GLM5.2技术方案？
9. 解释Pass@1、Pass@K指标，实际迭代中如何对照分析模型效果？
10. Claude Code的Skills为什么写在System提示词，而不放在用户Query中？
本篇目录
当前问题0110
- 01
你做的Agent架构是不是Workflow范式？
- 02
模型Action动作体系是如何设计、拆分与定义的？
- 03
RL训练前是否做过SFT？如何判断SFT训练充分？主要看哪些指标？
- 04
项目Reward如何设计？为什么引入Verifier？用的哪类Verifier、优势是什么？具体怎么使用？训练效果变差时如何迭代调整Reward策略？
- 05
如何识别模型熵坍塌？结合实际案例说明。
- 06
如何发现Reward Hacking问题？结合真实案例说明现象与定位方式。
- 07
日常Badcase回流怎么做？主要回流哪些样本？为什么必须做回流迭代？
- 08
PPO的Value模型、Reward模型如何训练？GRPO的Reward体系能否迁移到PPO？是否了解GLM5.2技术方案？
- 09
解释Pass@1、Pass@K指标，实际迭代中如何对照分析模型效果？
- 10
Claude Code的Skills为什么写在System提示词，而不放在用户Query中？