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：

6236
写出或实现 DQN 的训练流程。
模型训练与对齐强化学习与奖励
代码题
进阶
暂无面经1 个题集来源
6239
实现基于采样回报的策略梯度更新。
模型训练与对齐强化学习与奖励
代码题
进阶
暂无面经1 个题集来源
6240
实现 DAPO 的动态采样与策略优化流程。
模型训练与对齐强化学习与奖励
代码题
深入
暂无面经1 个题集来源
6275
PCGrad 如何通过梯度投影缓解多任务训练中的梯度冲突？
模型训练与对齐训练框架、调参与排障
原理机制
进阶
暂无面经1 个题集来源
6276
BYOL 与 SimSiam 如何在不依赖负样本的情况下学习表示？
模型训练与对齐预训练、续训与 SFT
比较选型
进阶
暂无面经1 个题集来源
6279
元学习如何支持少样本任务适配，有哪些适用假设？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
暂无面经1 个题集来源
6343
PSFT 如何通过近端约束改进监督微调？
模型训练与对齐预训练、续训与 SFT
原理机制
深入
暂无面经1 个题集来源
6347
ORPO 如何将监督微调与偏好优化结合？
模型训练与对齐偏好对齐
原理机制
进阶
暂无面经1 个题集来源
6349
SimPO 的无参考模型偏好目标如何工作？
模型训练与对齐偏好对齐
原理机制
进阶
暂无面经1 个题集来源
6352
RLHF 训练出现奖励塌缩时如何定位并恢复？
模型训练与对齐训练框架、调参与排障
故障排查
深入
暂无面经1 个题集来源