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：

1614
对齐后正常问题也过度拒答，应优先修正什么？
模型训练与对齐强化学习与奖励
故障排查
进阶
1 篇面经
1730
项目的 SFT 和 GRPO 是否分为两个阶段？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经
1733
强化学习项目的决策和动作空间是离散的吗？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经
1734
当前动作空间不够细致时，如何解释这种粒度设计？
模型训练与对齐强化学习与奖励
项目深挖
深入
1 篇面经
1735
决策项目采用多智能体协同有哪些优势和难点？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经
1736
强化学习决策算法的输入是什么，还使用哪些输入特征？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经
1740
没有原有仿真环境时，是否仍能实现当前强化学习模型？
模型训练与对齐强化学习与奖励
方案设计
进阶
1 篇面经
1742
项目奖励函数是稀疏还是稠密的，具体如何设计？
模型训练与对齐强化学习与奖励
项目深挖
进阶
1 篇面经
1744
项目为什么没有采用 TD3？
模型训练与对齐强化学习与奖励
比较选型
进阶
1 篇面经
1745
TD3 相比 DDPG 有哪些改进？
模型训练与对齐分布式训练与计算硬件
比较选型
进阶
1 篇面经