返回全部题目← 上一题90 / 150下一题 →题库/模型训练与对齐/Q-5593Agentic RL 如何编排采样、训练、奖励和推理引擎？知识专题：训练框架、调参与排障题目类型：方案设计技术难度：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6 份题集百度高频面试题Rocky Ding · AIGC-Interview-Book · 1 条原题查看题集 →verl等框架都如何进行加速的Agent Infra：Runtime、Sandbox 与可靠执行Onefly · zero2Agent · 1 条原题查看题集 →Agentic RL 的 Rollout、Training 与推理引擎如何编排？后训练综合问答阿东玩 AI · AgentGuide · 1 条原题查看题集 →设计 RLHF 训练系统。Agent与工具调用阿东玩 AI · AgentGuide · 1 条原题查看题集 →【工具调用对RL训练效率影响】工具/API并发、超时、失败重试如何影响Agentic RL训练效率？ 「字节跳动」强化学习与对齐阿东玩 AI · AgentGuide · 3 条原题查看题集 →「蚂蚁集团、阿里巴巴」rollout引擎在RL里到底干什么？【Agentic RL训练效率与长尾轨迹优化】Agentic RL中影响训练效率的因素有哪些？工具调用、API请求、沙箱执行成为瓶颈时，可以怎么优化？多轮Agentic RL是否遇到过推理耗时和长尾轨迹？有哪些优化方法？ 「字节跳动」【VERL框架适配DAPO】你觉得VERL框架如果用DAPO该改哪些地方？ 「字节Seed」展开剩余 1 份题集AI系统与训练推理工程阿东玩 AI · AgentGuide · 5 条原题查看题集 →【RL分布式调度】RL训练中 rollout 和 actor update 如何分布式调度? 「字节跳动」【VeRL代码】是否看过VeRL的代码实现？核心模块有哪些？ 「字节跳动」【大规模RLHF训练瓶颈与优化】请说明在分布式训练环境下，进行大规模RLHF训练可能遇到的技术瓶颈及优化策略。 「蚂蚁集团」展开其余 2 条原题【混合引擎与自动映射】verl中的hybridengine、auto mapping原理，最大的创新点是什么？ 「腾讯」【训练全流程搭建】能不能搭建数据、训练、rollout 和评测流程？ 「字节Seed」相关题目4 题0100项目中的强化学习框架是如何搭建的？同一知识专题题目类型：项目深挖技术难度：深入相关面经：2 篇0101verl 中的 Agent Loop 如何实现？同一知识专题题目类型：原理机制技术难度：进阶相关面经：2 篇0276训练正常而离线评测骤降时，如何定位链路问题？同一知识专题题目类型：故障排查技术难度：深入相关面经：1 篇0381资源受限的微调中，如何判断学习率过高或过低？同一知识专题题目类型：故障排查技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题同步与异步 Rollout 如何权衡强化学习吞吐和稳定性？下一题 →感知损失如何通过特征空间衡量生成图像与目标图像的差异？
