本页内容受版权保护 · 已添加水印 · 禁止任何形式转载
LLM·§六 · 对齐与偏好优化·22 题

RLHF / DPO / GRPO 对齐面试

从 PPO 到 DPO 到 GRPO——对齐算法的目标函数差异、Reward Hacking 的应对、以及 Reasoning 强化的最新进展。

#RLHF 面试#DPO#PPO#GRPO#Reward Model#对齐算法
相关主题
llm
Transformer 架构面试全攻略
rag
RAG 检索增强生成面试指南
llm
Attention 机制深度解析
llm
SFT 与 PEFT 微调面试
llm
推理加速与部署面试
mllm
多模态大模型 VLM 面试

本主题 22 道题，第 1 章免费阅读

进入完整基础索引 →面试准备指南