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 · 761 道题

已筛选

共 761 道题

排序：

3483
为什么 DPO 不适合当前项目场景？
模型训练与对齐偏好对齐
比较选型
进阶
2 篇面经
3484
SFT 与 RL 数据中的 Reason 是人工标注还是模型生成？
模型训练与对齐训练数据构建与治理
项目深挖
进阶
2 篇面经
3485
重新设计项目时，如何改进 SFT 与 RL 流程？
模型训练与对齐预训练、续训与 SFT
方案设计
进阶
2 篇面经
3542
Reward Model 与 Critic 的网络结构如何设计？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经1 个题集来源
3543
如何验证并调优 Reward Model 与 Critic 的有效性？
模型训练与对齐Verifier 与训练评测
效果评估
进阶
2 篇面经
3545
Agent 对齐优化为什么选择强化学习，如何与 SFT、DPO、PPO、GRPO 和 RAG 比较？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经1 个题集来源
3548
如何从算法机制解释 GRPO 的探索能力和训练稳定性？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经1 个题集来源
3622
微调如何权衡数据多样性、长尾采样和 Prompt 设计？
模型训练与对齐训练数据构建与治理
方案设计
进阶
1 篇面经1 个题集来源
3684
Scaling Law 与大模型涌现能力分别是什么，有什么关系？
模型训练与对齐预训练、续训与 SFT
原理机制
进阶
暂无面经2 个题集来源
4172
KL 散度的 K1、K2、K3 估计方法有什么区别？
模型训练与对齐强化学习与奖励
比较选型
深入
1 篇面经1 个题集来源