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 · 1113 道题

已筛选

共 1113 道题

排序：

6084
实现 Bradley–Terry 成对奖励模型损失。
模型训练与对齐偏好对齐
代码题
进阶
暂无面经1 个题集来源
6096
实现跨设备分块与环形 KV 传递的 Ring Attention。
模型训练与对齐分布式训练与计算硬件
代码题
深入
暂无面经1 个题集来源
6097
实现张量并行的 MLP。
模型训练与对齐分布式训练与计算硬件
代码题
深入
暂无面经1 个题集来源
6098
实现使用 FSDP 的训练步骤。
模型训练与对齐分布式训练与计算硬件
代码题
深入
暂无面经1 个题集来源
6101
强化学习轨迹的自然终止与强制截断有何区别，回报应如何处理？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 个题集来源
6112
模型式与无模型强化学习如何工作，何时选择？
模型训练与对齐强化学习与奖励
比较选型
进阶
暂无面经1 个题集来源
6114
MuZero 类任务相关模型如何支持规划，与完整观测重建和价值模型有何区别？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 个题集来源
6122
Self-Instruct 与 Evol-Instruct 如何构造指令数据，有何区别？
模型训练与对齐训练数据构建与治理
比较选型
进阶
暂无面经1 个题集来源
6131
Skill 库如何与强化学习策略共同训练和演化？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 个题集来源
6231
实现批次均值与方差的累积更新。
模型训练与对齐训练框架、调参与排障
代码题
进阶
暂无面经1 个题集来源