面试之前，先来面栈

模型训练与对齐

9 个专题 · 270 道题

已筛选

共 270 道题

排序：

0030
DCU 与 GPU 有什么区别？
模型训练与对齐分布式训练与计算硬件
比较选型
进阶
2 篇面经
0086
如何判断强化学习带来的实际收益？
模型训练与对齐强化学习与奖励
项目深挖
进阶
2 篇面经
0100
项目中的强化学习框架是如何搭建的？
模型训练与对齐训练框架、调参与排障
项目深挖
深入
2 篇面经
0103
强化学习包含哪些主要组件？
模型训练与对齐强化学习与奖励
概念解释
基础
2 篇面经
0169
RLHF/PPO 中 Actor、Critic、Reward Model 和 Reference Model 的职责是什么，为什么需要 KL 约束？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经
0213
GRPO 组内奖励相同或方差接近零时，会有什么问题，如何处理？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经
0495
你有哪些大模型后训练经验？
模型训练与对齐预训练、续训与 SFT
项目深挖
进阶
2 篇面经
0501
RLHF 奖励模型的训练数据如何构建？
模型训练与对齐强化学习与奖励
方案设计
进阶
2 篇面经
0506
不同大模型微调方法如何比较？
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 份题集
0509
如何处理梯度消失与梯度爆炸？
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