跳到主内容
AlgoMooc
刷题
▾
学习路径
▾
看动画学
▾
求职训练营
▾
Hot100
7 天
学大模型
面试精讲
登录
开通年卡
页面加载中…
🏠
首页
📝
刷题
🎬
看动画
👤
我的
大模型面试题库 · AlgoMooc
AlgoMooc · 学大模型
学习首页
学习路线
系统教程
项目实战
面试题库
求职与面试
搜索
学大模型
/
大模型面试题库
大模型面试题库
先直接回答,再理解原理、例子与追问。按专题或公司标签找需要准备的问题。
搜索大模型内容
内容类型
所有类型
面试题
系统教程
项目实战
求职指南
面经
学习路线
搜索
共 27 条内容
按公司查题 →
练习 30 题学习批次 →
按专题浏览 →
当前分类:模块:RLHF与对齐
清除分类条件
推理优化
模型训练
模型架构
RLHF与对齐
项目与经历
多模态
评估
Agent
文档处理
模型微调
RAG
检索
Prompt
知识图谱
面试题
·
RLHF与对齐
· 京东
PPO vs DPO vs GRPO 怎么选?
#RLHF
#PPO
#DPO
面试题
·
RLHF与对齐
· 阿里
DPO vs PPO 怎么选?
#DPO
#PPO
#RLHF
面试题
·
RLHF与对齐
· 美团
Reward 函数设计关键因素?
#RLHF
#Reward Model
#奖励设计
面试题
·
RLHF与对齐
· 美团
长周期 Agent 如何建模与规划?
#长周期任务
#分层强化学习
#稀疏奖励
第 1 / 2 页
下一页 →
学习内容与项目面试,在同一条路上。
站内 RAG 在线实战
面试题
·
RLHF与对齐
· 美团
奖励函数设计与投机陷阱
#奖励塑形
#稀疏奖励
#奖励黑客
面试题
·
RLHF与对齐
· 美团
长视野任务的信用分配与 Option
#分层强化学习
#选项机制
#过程奖励建模
面试题
·
RLHF与对齐
· 美团
Agent 奖励如何对齐目标并防作弊?
#奖励工程
#RLHF
#稀疏奖励
面试题
·
RLHF与对齐
· 美团
长视界任务怎么结合环境训练?
#分层强化学习
#课程学习
#奖励塑形
面试题
·
RLHF与对齐
· 美团
稀疏与延迟奖励的塑形与权衡
#奖励塑形
#稀疏奖励
#多目标优化
面试题
·
RLHF与对齐
· 美团
RL 训练环境与 Sim2Real
#强化学习
#训练环境
#Sim2Real
面试题
·
RLHF与对齐
· 美团
Agent 工具调用奖励设计
#奖励函数设计
#强化学习
#Agent训练
面试题
·
RLHF与对齐
· 美团
环境训练 vs 监督学习怎么选?
#环境交互
#在线学习
#探索与利用
面试题
·
RLHF与对齐
· 字节
PPO vs GRPO 怎么选?
#PPO
#GRPO
#RLHF
面试题
·
RLHF与对齐
· 美团
GSPO 与 SFT、PPO、GRPO 区别
#GSPO
#策略优化
#离线强化学习
面试题
·
RLHF与对齐
· 美团
环境训练方法怎么选?
#环境交互采样
#课程学习
#域随机化
面试题
·
RLHF与对齐
· 美团
模拟器与 World Model 的偏差和迁移
#环境模拟训练
#世界模型
#Model-based RL
面试题
·
RLHF与对齐
· 虾皮
RLHF 中 Reference Model 不训练?
#RLHF
#Reference Model
#PPO
面试题
·
RLHF与对齐
· 美团
Environment-based 训练怎么用?
#环境交互训练
#在线学习
#模拟器训练
面试题
·
RLHF与对齐
· 美团
GSPO 序列级比率与裁剪
#策略优化
#离线强化学习
#监督学习结合RL
面试题
·
RLHF与对齐
· 网易
Reward Model 训练流程详解
#奖励模型
#RLHF
#偏好学习
面试题
·
RLHF与对齐
· 阶跃星辰
TRL Agent 组件交互机制
#TRL
#PPO
#Agent
面试题
·
RLHF与对齐
· 网易
On-policy、Off-policy 与 DPO 怎么选?
#PPO
#on-policy
#off-policy
面试题
·
RLHF与对齐
· 快手
PPO vs GRPO vs DPO 适用场景?
#RLHF
#PPO
#DPO
面试题
·
RLHF与对齐
· 快手
PPO vs GRPO vs DPO 原理区别?
#RLHF
#PPO
#DPO