全部题目

模型、RAG、Agent与工程面试题一网打尽,配套答案解析与延伸追问。

已筛选

共 7744 道题

排序:

6346
什么是 Overthinking,如何识别并控制过度推理?
模型基础与推理推理与解码
故障排查
进阶
6347
ORPO 如何将监督微调与偏好优化结合?
模型训练与对齐偏好对齐
原理机制
进阶
6348
KTO 如何利用非成对的好坏反馈进行模型对齐?
模型训练与对齐偏好对齐
原理机制
进阶
6349
SimPO 的无参考模型偏好目标如何工作?
模型训练与对齐偏好对齐
原理机制
进阶
6350
在线 DPO 与离线 DPO 的数据流程、收益和代价有什么区别?
模型训练与对齐偏好对齐
比较选型
进阶
6351
如何构建 PRM 的步骤级训练数据与标签?
模型训练与对齐训练数据构建与治理
方案设计
进阶
6352
RLHF 训练出现奖励塌缩时如何定位并恢复?
模型训练与对齐训练框架、调参与排障
故障排查
深入
6353
长上下文 RLHF 面临哪些系统与学习瓶颈?
模型训练与对齐强化学习与奖励
原理机制
深入
6355
模型权重合并如何组合能力,怎样控制参数干扰?
模型训练与对齐蒸馏与模型合并
原理机制
深入
6356
多智能体强化学习与单智能体强化学习有哪些关键差异?
模型训练与对齐强化学习与奖励
比较选型
深入