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 · 1113 道题

已筛选

共 1113 道题

排序：

4911
A3C 如何通过多个工作进程异步更新 Actor 与 Critic？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 个题集来源
4913
DDPG 如何进行连续动作控制，为什么属于异策略算法？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 个题集来源
4914
D4PG 在 DDPG 基础上引入了哪些机制？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 个题集来源
4917
内在好奇心模块 ICM 如何产生奖励，应如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
暂无面经1 个题集来源
4920
逆强化学习如何从专家示范推断奖励并学习策略？
模型训练与对齐强化学习与奖励
原理机制
进阶
暂无面经1 个题集来源
4922
如何训练大模型识别知识边界，并在不知道时诚实回答？
模型训练与对齐偏好对齐
方案设计
进阶
暂无面经1 个题集来源
4931
重复使用预训练数据和增加 Epoch 会怎样影响大模型效果？
模型训练与对齐训练数据构建与治理
原理机制
进阶
暂无面经1 个题集来源
4935
BERT 的 MLM 为什么混合使用遮蔽、随机替换和保留原词？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
暂无面经1 个题集来源
4937
BERT 输入长度受限时，如何处理长文本并完成训练？
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 个题集来源
4941
MoE 模型微调时，如何缓解过拟合？
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 个题集来源