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：

6588
解耦 PPO 如何区分行为策略、近端策略与当前策略？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 个题集来源
6589
DSPO 如何通过序列级优化与动态过滤训练搜索推理 Agent？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 个题集来源
6590
SAPO 如何以软门控替代策略优化中的硬裁剪？
模型训练与对齐强化学习与奖励
原理机制
深入
暂无面经1 个题集来源
6628
Claw-R1 这类步骤级数据中间件有哪些训练与工程边界？
模型训练与对齐训练框架、调参与排障
原理机制
进阶
1 篇面经
6669
ToolRL 如何构造工具调用的格式奖励与内容正确性奖励？
模型训练与对齐强化学习与奖励
原理机制
进阶
1 篇面经
6806
PaddlePaddle Fluid 如何组织模型程序与执行？
模型训练与对齐训练框架、调参与排障
概念解释
进阶
暂无面经1 个题集来源
6810
通用基座大模型与业务模型的建设目标、数据和评估有何不同？
模型训练与对齐预训练、续训与 SFT
比较选型
进阶
暂无面经1 个题集来源
6813
MoE 的 Top-k 离散路由如何参与训练和梯度更新？
模型训练与对齐训练框架、调参与排障
原理机制
进阶
暂无面经1 个题集来源
6814
如何通过监督与强化训练培养大模型的分步推理能力？
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
6815
教师与学生使用不同分词器时，如何进行 On-Policy Distillation？
模型训练与对齐蒸馏与模型合并
方案设计
进阶
暂无面经1 个题集来源