真面经，好答案。面试之前，先来面栈。

模型训练与对齐

本分类共 9 个专题 · 758 道题

已筛选

共 758 道题

排序：

2697
SFT、DPO、PPO 与 GRPO 的目标、机制和适用条件如何比较？
模型训练与对齐强化学习与奖励
比较选型
进阶
11 篇面经7 个题集来源
0104
GRPO 算法如何工作？
模型训练与对齐强化学习与奖励
原理机制已有答案
进阶
14 篇面经3 个题集来源
0168
LoRA 的原理、常见超参数与注入模块是什么？
模型训练与对齐参数高效微调
原理机制已有答案
进阶
12 篇面经5 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
13 篇面经4 个题集来源
0513
预训练、后训练到推理的流程是什么？
模型训练与对齐预训练、续训与 SFT
原理机制已有答案
基础
8 篇面经7 个题集来源
0515
DPO 与 PPO 有什么区别？
模型训练与对齐强化学习与奖励
比较选型已有答案
进阶
10 篇面经5 个题集来源
0514
PPO 算法原理是什么？
模型训练与对齐强化学习与奖励
原理机制已有答案
进阶
10 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
10 篇面经4 个题集来源
0896
DPO 的算法原理是什么？
模型训练与对齐偏好对齐
原理机制已有答案
进阶
9 篇面经3 个题集来源
2699
如何评估微调或训练后模型的效果？
模型训练与对齐Verifier 与训练评测
方案设计
进阶
8 篇面经4 个题集来源