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：

4883
数据并行训练如何工作，怎样提高其效率？
模型训练与对齐分布式训练与计算硬件
原理机制
进阶
1 篇面经5 个题集来源
4897
强化学习、监督学习和无监督学习有什么区别？
模型训练与对齐强化学习与奖励
比较选型
基础
暂无面经6 个题集来源
5260
神经网络训练不收敛时如何排查，能否据此否定模型？
模型训练与对齐训练框架、调参与排障
故障排查
进阶
2 篇面经4 个题集来源
5545
On-Policy Distillation 如何利用学生采样和教师反馈训练，有哪些条件？
模型训练与对齐蒸馏与模型合并
原理机制
进阶
3 篇面经3 个题集来源
0103
强化学习包含哪些主要组件？
模型训练与对齐强化学习与奖励
概念解释已有答案
基础
3 篇面经2 个题集来源
0105
On-policy 和 Off-policy 有什么区别？
模型训练与对齐强化学习与奖励
比较选型
进阶
2 篇面经3 个题集来源
0213
GRPO 组内奖励相同或方差接近零时，会有什么问题，如何处理？
模型训练与对齐强化学习与奖励
原理机制已有答案
进阶
4 篇面经1 个题集来源
0220
为什么选择 GRPO，它的优化目标和数学原理是什么？
模型训练与对齐强化学习与奖励
比较选型已有答案
进阶
4 篇面经1 个题集来源
0501
RLHF 奖励模型的训练数据如何构建？
模型训练与对齐强化学习与奖励
方案设计已有答案
进阶
3 篇面经2 个题集来源
0526
轨迹模型训练使用多少计算资源？
模型训练与对齐分布式训练与计算硬件
项目深挖
进阶
3 篇面经2 个题集来源