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 · 761 道题

已筛选

共 761 道题

排序：

6237
实现 PPO 的采样、优势估计与策略更新流程。
模型训练与对齐强化学习与奖励
代码题
深入
1 篇面经2 个题集来源
6305
对小模型进行强化学习时，训练设计相较大模型应如何调整？
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
0083
如何提升 Agent 的长程任务能力？
模型训练与对齐预训练、续训与 SFT
方案设计已有答案
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
项目深挖已有答案
进阶
2 篇面经
0212
为什么先做 Step-level SFT 再做 GRPO 可能更稳定？
模型训练与对齐强化学习与奖励
原理机制
进阶
2 篇面经
0259
GUI Agent 奖励如何确认环境状态真实改变，而非只看起来完成？
模型训练与对齐强化学习与奖励
方案设计已有答案
进阶
2 篇面经
0273
SFT 与偏好数据如何构建，如何控制数据污染和分布偏移？
模型训练与对齐偏好对齐
方案设计
进阶
1 篇面经1 个题集来源
0278
工业故障诊断项目如何排除测试污染与 Judge 偏差，证明训练策略收益？
模型训练与对齐Verifier 与训练评测
效果评估
深入
1 篇面经1 个题集来源
0381
资源受限的微调中，如何判断学习率过高或过低？
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
0604
DPO 中好坏样例生成概率都下降的问题如何理解？
模型训练与对齐偏好对齐
原理机制
进阶
1 篇面经1 个题集来源