返回全部题目← 上一题110 / 195下一题 →题库/模型训练与对齐/Q-4678SFT 与强化学习有哪些优缺点，应如何按任务场景选择？知识专题：强化学习与奖励题目类型：比较选型技术难度：进阶题集来源：3 个未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录收录题集相关题目收录题集3 个来源，共7 份题集京东高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →讲一下什么场景下用 SFT，什么场景下用 RL大语言模型Datawhale · daily-interview · 1 条原题查看题集 →提示工程、RAG、SFT、RL、RLHF 应该分别在什么场景下应用？例如：快速迭代基本能力（提示工程）、用户个性化记忆（提示工程）、案例库和事实知识（RAG）、输出格式和语言风格 （SFT）、领域深度思考能力和工具调用能力（RL）、根据用户反馈持续优化（RLHF）公司案例问答汇编阿东玩 AI · AgentGuide · 2 条原题查看题集 →项目:讲一下什么场景下用SFT,什么场景下用RL项目:SFT和强化学习各自有什么优缺点,分别适用于什么场景?SFT与指令微调阿东玩 AI · AgentGuide · 2 条原题查看题集 →「腾讯」SFT和RL的区别是什么？为什么先SFT后RL，能否跳过SFT直接RL，或者只SFT不RL？【SFT与RL场景选择】讲一下什么场景下用SFT，什么场景下用RL？ 「京东、蚂蚁集团」强化学习与对齐阿东玩 AI · AgentGuide · 8 条原题查看题集 →【RL vs SFT】强化学习和SFT的区别是什么？ 「京东、美团」【RL应用场景】1. 什么时候做强化学习？对游戏中的AI bot的了解。 2. 闭环条件是什么？ 「字节跳动、腾讯、蚂蚁集团」【Agentic RL】了解Agentic RL吗？针对你的Agent RL项目，Agent RL和普通的SFT有什么区别和难点？ 「字节跳动、阿里巴巴」展开其余 5 条原题【RL vs 模仿学习】为什么要分为模仿学习和强化学习两个阶段？ 「字节跳动」【RL相比SFT的收益】RL相比SFT的收益体现在哪里？ 「字节跳动」SFT与RL关系 「字节Seed、字节跳动、美团、腾讯、腾讯混元、阿里巴巴」为什么构造了推理类Reasoning训练数据后，还需要接入RL训练？只SFT可以吗？为什么要做RL而不做SFT？介绍SFT与RL（如GRPO、PPO）的关系，为什么SFT之后还需要进行RLHF/DPO等对齐训练？仅使用SFT存在哪些局限性？只SFT可以吗？【SFT与RL区别】SFT和RL（包括RLHF）最大的区别是什么？分别适用于什么场景？如果要改变一个模型的人设（例如对自身的认知），应该使用哪种训练方式？ 「字节跳动、百度、阿里巴巴」【GRPO与SFT关系】GRPO跟SFT的关系 「百度文心」展开剩余 2 份题集项目论文与经历阿东玩 AI · AgentGuide · 1 条原题查看题集 →技术选型与方案评估针对项目二，当时大家都在做RL，为什么还在SFT？为什么不直接用RAG？理论基础面试题阿东玩 AI · AgentGuide · 2 条原题查看题集 →SFT和强化学习各自有什么优缺点，分别适用于什么场景？什么场景下用SFT，什么场景下用RL？相关题目4 题0086如何判断强化学习带来的实际收益？同一知识专题题目类型：项目深挖技术难度：进阶相关面经：2 篇0103强化学习包含哪些主要组件？同一知识专题题目类型：概念解释技术难度：基础相关面经：3 篇0104GRPO 算法如何工作？同一知识专题题目类型：原理机制技术难度：进阶相关面经：14 篇0105On-policy 和 Off-policy 有什么区别？同一知识专题题目类型：比较选型技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题RLHF 奖励模型通常采用什么架构，它与待优化语言模型是什么关系？下一题 →强化学习训练为什么容易不稳定，哪些收益使它仍值得使用？
