采用 SFT 和 GRPO 后相对原模型改了什么，数据层面有哪些问题和修改？

知识专题：强化学习与奖励题目类型：项目深挖技术难度：进阶相关面经：1 篇

暂无参考答案

未标记

本题目录

相关面经

1 篇

百度

端到端决策规划控制算法工程师

2026-09-04秋招二面

查看原面经 →

你采用了SFT+GRPO，相比如原有模型有哪些改动？数据层面有哪些问题和改动？