为什么在 SFT 后采用 RL，SFT 遇到了什么问题？

知识专题：预训练、续训与 SFT题目类型：比较选型技术难度：进阶相关面经：5 篇

暂无参考答案

未标记

本题目录

相关面经

5 篇

美团

大模型算法工程师

2026-07-05一面、二面

查看原面经 →

已经构建推理类Reasoning训练数据，为什么还需要接入RL训练？仅依靠SFT能否满足业务需求？

查看该问上下文 →

大模型训练为什么必须拆分SFT预微调+RL强化优化两个阶段，能否简化流程？

查看该问上下文 →

腾讯

大模型算法工程师

2026-05-18暑期

查看原面经 →

为什么 SFT 之后还要进行后训练

快手

2026-05-09面经合集

查看原面经 →

为什么考虑需要强化学习，SFT不是够了吗

腾讯

大模型算法工程师

2026-05-05暑期实习一面

查看原面经 →

为什么 SFT 之后还要进行后训练

荣耀

大模型算法工程师

2026-03-28实习

查看原面经 →

为什么要用rl来优化模型，在sft的时候遇到了哪些问题，又是怎么解决的？