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：

6122
Self-Instruct 与 Evol-Instruct 如何构造指令数据，有何区别？
模型训练与对齐训练数据构建与治理
比较选型
进阶
暂无面经2 份题集
6124
训练数据准备如何用可复用算子组织成可复现流水线？
模型训练与对齐训练数据构建与治理
方案设计
进阶
暂无面经6 份题集
6131
Skill 库如何与强化学习策略共同训练和演化？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 份题集
6179
将分类任务建模为 Bandit 或强化学习时，如何选择状态、动作与优化算法？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经2 份题集
6183
训练数据应一次性构建还是随反馈持续迭代，如何组织版本与验证？
模型训练与对齐训练数据构建与治理
比较选型
进阶
暂无面经3 份题集
6231
实现批次均值与方差的累积更新。
模型训练与对齐训练框架、调参与排障
代码题
进阶
暂无面经1 份题集
6236
写出或实现 DQN 的训练流程。
模型训练与对齐强化学习与奖励
代码题
进阶
暂无面经2 份题集
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
暂无面经4 份题集
6238
实现奖励模型的打分与训练。
模型训练与对齐偏好对齐
代码题
进阶
暂无面经2 份题集
6239
实现基于采样回报的策略梯度更新。
模型训练与对齐强化学习与奖励
代码题
进阶
暂无面经2 份题集