首页

投稿

面试官：SFT训练到什么程度，才值得做RL？

4.3万

1

2026-03-05 18:56:48

未经作者授权，禁止转载

大语言模型

大模型学习

大模型面试

丁师兄大模型发消息

大模型1v1 辅导+ v：dsxaigc

能刷掉80%候选人的一道大模型面试题！

05:11

面试官：如何解决大模型的badcase？

02:53

大模型专家，冒充双非1年，期望40K

04:38

沉浸式大模型面试，你能扛到第几枪？

06:45

【通关大厂大模型面试】美团大模型北斗计划面试

08:29

【沉浸式大模型面试】RAG项目拷问

04:19

大模型面试现场【八股、项目细节拷问】

14:45

【大模型面试】Flash Attention面试连环炮，淘汰80%面试竞争者

07:46

【美团大模型面试真题】LLaMA是怎么优化注意力机制计算的？

04:17

【小米大模型面试】Transformer面试连环炮，候选人被拷打的半死？

04:33

快手快Star大模型面试真题：Transformer和LLaMA的编码有什么区别？

03:46

LLM经典面试题：Transformer为什么要用LayerNorm？

02:50

【大模型面试现场】菊厂5年算法候选人，被面试官灵魂拷问！

24:00

2025大模型秋招：损失函数连环炮

08:24

面试官：讲一下GSPO算法，它相比Deepseek的GRPO算法好在哪？

07:09

当你跟面试官聊到最近很火的Deepseek-OCR！

06:03

面试官：你了解ARPO算法吗？说说它的核心思想

05:58

面试官追问：Temperature=0为什么输出不同结果？

07:45

面试官：为什么大部分模型都有升维降维操作？

05:59

面试官：SFT训练到什么程度，才值得做RL？

04:57

面试官：什么场景下必须用GraphRAG？而不是RAG？

05:33

面试官：为什么主流大模型都在用FP8？

08:14

面试官：你对于reward hacking有什么解决思路？

05:47

面试官：MoE模型做RL，训推不一致怎么办？

04:09

面试官：GRPO的训练数据能否与之前的SFT完全一样？

03:45

面试官：SFT训着训着成复读机了怎么办？

04:49

offer有点多，发不过来了，恭喜这些同学上岸！

00:46

面试官：SFT之后做RL，模型为啥先变差再变好？

07:04

面试官：大模型中为什么不使用Dropout？

06:16

面试官：为什么 Claude Code 放弃了 RAG？

04:39

面试官：用RL做知识蒸馏，方差太大怎么办？

04:11

OPD为什么用reverse-KL不用forward-KL？

06:04

如何优化RAG系统的全链路耗时？

14:37

顶部