真面经，好答案。面试之前，先来面栈。

全部题目

已筛选

共 6433 道题

排序：

4721
强化学习中的策略函数、状态值函数和动作值函数分别是什么？
模型训练与对齐强化学习与奖励
概念解释
基础
暂无面经1 份题集
4722
SFT 后可能出现哪些质量与泛化问题？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
暂无面经3 份题集
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
4730
什么是大模型的长度外推？
模型基础与推理Tokenizer 与位置编码
概念解释
基础
暂无面经5 份题集
4731
ALiBi 如何通过线性注意力偏置表示位置信息？
模型基础与推理Tokenizer 与位置编码
原理机制
进阶
暂无面经2 份题集