模型训练与对齐

9 个专题 · 270 道题

0030

DCU 与 GPU 有什么区别？

模型训练与对齐分布式训练与计算硬件

比较选型

进阶

0086

如何判断强化学习带来的实际收益？

模型训练与对齐强化学习与奖励

项目深挖

进阶

0100

项目中的强化学习框架是如何搭建的？

模型训练与对齐训练框架、调参与排障

项目深挖

深入

0103

强化学习包含哪些主要组件？

模型训练与对齐强化学习与奖励

概念解释

基础

0169

RLHF/PPO 中 Actor、Critic、Reward Model 和 Reference Model 的职责是什么，为什么需要 KL 约束？

模型训练与对齐强化学习与奖励

原理机制

进阶

0213

GRPO 组内奖励相同或方差接近零时，会有什么问题，如何处理？

模型训练与对齐强化学习与奖励

原理机制

进阶

0495

你有哪些大模型后训练经验？

模型训练与对齐预训练、续训与 SFT

项目深挖

进阶

0501

RLHF 奖励模型的训练数据如何构建？

模型训练与对齐强化学习与奖励

方案设计

进阶

0506

不同大模型微调方法如何比较？

模型训练与对齐预训练、续训与 SFT

比较选型

进阶

2 篇面经 1 份题集

0509

如何处理梯度消失与梯度爆炸？

模型训练与对齐训练框架、调参与排障

故障排查

进阶