模型训练与对齐

9 个专题 · 270 道题

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

进阶

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

进阶

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

进阶

4 篇面经 1 份题集

2704

如何根据业务目标设计强化学习奖励？

模型训练与对齐强化学习与奖励

方案设计

进阶

0081

如何合成 Agent 训练任务，并验证任务设计带来的增益？

模型训练与对齐训练数据构建与治理

方案设计

深入

0089

训练数据如何合成与筛选？

模型训练与对齐训练数据构建与治理

项目深挖

进阶

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

进阶

3 篇面经 1 份题集

0615

什么情况下使用 PPO，什么情况下使用 GRPO？

模型训练与对齐强化学习与奖励

比较选型

进阶

0692

是否独立做过模型训练或微调？

模型训练与对齐预训练、续训与 SFT

经历介绍

—

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

进阶