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：

0634
了解哪些强化学习优化算法？
模型训练与对齐强化学习与奖励
比较选型已有答案
基础
2 篇面经1 个题集来源
0679
强化学习训练中的 Reference Model 起什么作用？
模型训练与对齐强化学习与奖励
原理机制已有答案
基础
2 篇面经1 个题集来源
1234
PPO 与 TRPO 有何区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经2 个题集来源
1430
CPU 调度过慢时如何提高 CPU/GPU 协同效率？
模型训练与对齐分布式训练与计算硬件
方案设计
进阶
1 篇面经2 个题集来源
1743
奖励项重要程度不同时，如何平衡各项权重？
模型训练与对齐强化学习与奖励
项目深挖
进阶
2 篇面经1 个题集来源
1750
手写 PPO Loss。
模型训练与对齐强化学习与奖励
代码题
深入
2 篇面经1 个题集来源
2018
模型效果不好时，如何判断问题来自预训练、后训练还是数据？
模型训练与对齐训练框架、调参与排障
故障排查
进阶
2 篇面经1 个题集来源
2021
Mid-training 与 Post-training 有什么区别？
模型训练与对齐预训练、续训与 SFT
比较选型
进阶
2 篇面经1 个题集来源
2022
业务算法什么时候应该训练模型？
模型训练与对齐预训练、续训与 SFT
比较选型
进阶
2 篇面经1 个题集来源
2632
DAPO 的改进解决了什么问题？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经1 个题集来源