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：

6587
策略对齐中正向与反向 KL 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
暂无面经1 份题集
6588
解耦 PPO 如何区分行为策略、近端策略与当前策略？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经2 份题集
6589
DSPO 如何通过序列级优化与动态过滤训练搜索推理 Agent？
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
6590
SAPO 如何以软门控替代策略优化中的硬裁剪？
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
6806
PaddlePaddle Fluid 如何组织模型程序与执行？
模型训练与对齐训练框架、调参与排障
概念解释
进阶
暂无面经1 份题集
6810
通用基座大模型与业务模型的建设目标、数据和评估有何不同？
模型训练与对齐预训练、续训与 SFT
比较选型
进阶
暂无面经1 份题集
6813
MoE 的 Top-k 离散路由如何参与训练和梯度更新？
模型训练与对齐训练框架、调参与排障
原理机制
进阶
暂无面经1 份题集
6814
如何通过监督与强化训练培养大模型的分步推理能力？
模型训练与对齐预训练、续训与 SFT
方案设计
进阶
暂无面经2 份题集
6815
教师与学生使用不同分词器时，如何进行 On-Policy Distillation？
模型训练与对齐蒸馏与模型合并
方案设计
进阶
暂无面经1 份题集
6817
为什么采用多阶段 SFT，阶段目标与切换应如何设计？
模型训练与对齐预训练、续训与 SFT
方案设计
进阶
暂无面经1 份题集