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：

6490
将现有 AI 计算代码迁移到 PyTorch 时，如何保持语义并验证收益？
模型训练与对齐训练框架、调参与排障
操作实践
进阶
暂无面经1 个题集来源
6579
强化学习训练场景如何生成与组织？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经1 个题集来源
6580
REINFORCE++ 如何组织无 Critic 的策略优化？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 个题集来源
6581
RLEP 如何通过经验回放改进大模型强化学习？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 个题集来源
6583
RiskQ 如何进行风险敏感的多智能体价值分解？
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
6586
强化学习训练破坏输出格式时，如何定位与恢复？
模型训练与对齐训练框架、调参与排障
故障排查
进阶
暂无面经1 个题集来源
6588
解耦 PPO 如何区分行为策略、近端策略与当前策略？
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
6590
SAPO 如何以软门控替代策略优化中的硬裁剪？
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
6628
Claw-R1 这类步骤级数据中间件有哪些训练与工程边界？
模型训练与对齐训练框架、调参与排障
原理机制
进阶
1 篇面经
6669
ToolRL 如何构造工具调用的格式奖励与内容正确性奖励？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经