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：

4723
什么是过程奖励模型 PRM？
模型训练与对齐强化学习与奖励
概念解释
进阶
暂无面经7 份题集
4725
DeepSeek-R1-Zero 中的 Zero 指什么？
模型训练与对齐强化学习与奖励
概念解释
进阶
暂无面经1 份题集
4726
DeepSeek-R1-Zero 的训练路线有哪些局限？
模型训练与对齐强化学习与奖励
效果评估
进阶
暂无面经1 份题集
4727
大模型强化学习中的监督冷启动是什么，为什么要使用？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经3 份题集
4728
对于 DeepSeek-R1，PRM 与 MCTS 是否有用，各有什么适用条件？
模型训练与对齐强化学习与奖励
比较选型
深入
暂无面经1 份题集
4729
以 DeepSeek-R1 为教师蒸馏小模型，与直接对小模型进行强化学习有何区别？
模型训练与对齐蒸馏与模型合并
比较选型
进阶
暂无面经2 份题集
4734
什么是迁移学习，大模型如何利用预训练能力适配下游任务？
模型训练与对齐预训练、续训与 SFT
概念解释
基础
暂无面经14 份题集
4753
用 Python 和 PyTorch 实现 LoRA 低秩适配器。
模型训练与对齐参数高效微调
代码题
深入
暂无面经7 份题集
4766
如何设计从大模型到小模型的蒸馏策略，并验证能力保留？
模型训练与对齐蒸馏与模型合并
方案设计
深入
暂无面经11 份题集
4774
如何通过消融实验区分 RLHF 奖励模型、PPO 与 KL 惩罚的贡献？
模型训练与对齐Verifier 与训练评测
效果评估
深入
暂无面经1 份题集