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：

2678
如何估算并优化 7B 模型 GRPO 训练的显存开销？
模型训练与对齐分布式训练与计算硬件
方案设计
深入
1 篇面经2 个题集来源
2685
开启或关闭 Thinking 对 SFT 训练有什么影响？
模型训练与对齐预训练、续训与 SFT
比较选型
进阶
1 篇面经2 个题集来源
2688
RL 训练初期奖励先降后升时，如何解释和排查？
模型训练与对齐强化学习与奖励
故障排查
进阶
1 篇面经2 个题集来源
2790
如何平衡强化学习训练效率与稳定性？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经2 个题集来源
2834
GRPO 训练数据应满足哪些要求？
模型训练与对齐强化学习与奖励
方案设计
进阶
2 篇面经1 个题集来源
2901
微调 Qwen 时如何选择训练阶段和损失函数？
模型训练与对齐参数高效微调
方案设计
进阶
2 篇面经1 个题集来源
2914
为什么选择 DPO 而不选择 GRPO？
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
3052
GRPO 中 KL 散度损失如何计算实现？
模型训练与对齐强化学习与奖励
原理机制
深入
1 篇面经2 个题集来源
3363
项目奖励函数后续有什么改进思路？
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
3368
较长对话的强化学习奖励如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经2 个题集来源