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 · 704 道题

已筛选

共 704 道题

排序：

4172
KL 散度的 K1、K2、K3 估计方法有什么区别？
模型训练与对齐强化学习与奖励
比较选型
深入
1 篇面经3 份题集
4173
rollout 数量、batch size 与训练计算资源之间是什么关系？
模型训练与对齐分布式训练与计算硬件
原理机制
深入
1 篇面经2 份题集
4174
真实采样数量是否一定等于 rollout 数量？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经2 份题集
4175
强化学习训练中的拒绝采样如何工作？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经3 份题集
4339
GUI Agent 项目如何实现异步训练？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经1 份题集
4418
SFT 是什么，基本原理与流程是什么？
模型训练与对齐预训练、续训与 SFT
概念解释
进阶
1 篇面经5 份题集
4593
交叉熵损失是什么，如何用于 Transformer 语言模型训练？
模型训练与对齐预训练、续训与 SFT
原理机制
基础
1 篇面经14 份题集
4630
提示词工程与任务专用微调应如何选择？
模型训练与对齐预训练、续训与 SFT
比较选型
进阶
1 篇面经11 份题集
4724
强化学习算法可以按哪些维度分类？
模型训练与对齐强化学习与奖励
概念解释
基础
1 篇面经4 份题集
5307
PPO 等偏好优化为何可能收敛到单一回答，如何保持输出多样性？
模型训练与对齐训练框架、调参与排障
故障排查
深入
1 篇面经5 份题集