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：

0524
GRPO 如何实现，奖励函数尤其长轨迹奖励如何设计？
模型训练与对齐强化学习与奖励
方案设计
深入
2 篇面经
0539
LoRA 效果不好时如何定位和改进？
模型训练与对齐参数高效微调
故障排查
进阶
2 篇面经
0541
LoRA 有哪些缺点和改进方向？
模型训练与对齐参数高效微调
比较选型
进阶
2 篇面经
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
基础
2 篇面经
0736
什么是 Reward Hacking，如何识别、定位并治理？
模型训练与对齐强化学习与奖励
故障排查
进阶
2 篇面经
0896
DPO 的算法原理是什么？
模型训练与对齐偏好对齐
原理机制
进阶
2 篇面经
1244
训练一个模型需要哪些步骤和关注点？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
2 篇面经
2913
什么情况下 GRPO 效果较差？
模型训练与对齐强化学习与奖励
故障排查
进阶
2 篇面经
3047
SFT 的完整执行流程与训练数据集如何构建？
模型训练与对齐训练数据构建与治理
方案设计
进阶
2 篇面经
3449
PPO 中需要训练哪几个模型？
模型训练与对齐强化学习与奖励
原理机制
基础
2 篇面经