阿里巴巴

74 篇面经595 道面试题

已筛选

595 道题

排序:

3365
MLA 的原理是什么?
模型基础与推理模型架构与表示
原理机制
进阶
3458
为什么选择 GSPO,是序列级优化还是 MoE 模型因素?
模型训练与对齐强化学习与奖励
比较选型
进阶
3459
DAPO 如何进行动态采样?
模型训练与对齐强化学习与奖励
原理机制
进阶
3460
GRPO 中为什么错误答案较长、正确答案较短?
模型训练与对齐强化学习与奖励
原理机制
进阶
3461
如何解释 PPO Loss 中没有 KL 散度这一说法?
模型训练与对齐强化学习与奖励
原理机制
进阶
3462
GRPO Loss 中各个参数分别是什么意思?
模型训练与对齐强化学习与奖励
原理机制
进阶
3465
项目为什么采用 RAG?
RAG 与知识系统RAG 架构与生成链路
比较选型
进阶
3469
项目双维度奖励包含什么,各自解决哪些问题?
模型训练与对齐强化学习与奖励
项目深挖
进阶
3470
一致性奖励与完整性奖励如何定义和评分?
模型训练与对齐强化学习与奖励
项目深挖
进阶
3471
奖励函数是否依赖 Ground Truth,如何用大模型评分?
模型训练与对齐强化学习与奖励
方案设计
进阶