我要招人

互联网/IT行业面试题更新 2026-08-05

RLHF一般属于在线强化学习还是离线强化学习？请解释原因。

字节跳动人工智能互联网/IT技术原理方案权衡

考察说明

考察对RLHF运行机制的理解与分类辨析能力

回答思路

  1. 判断RLHF常使用在线策略（如PPO）
  2. 说明训练过程中策略需生成响应并接受奖励模型评估
  3. 讨论是否可基于固定偏好数据集做离线训练
本题已收录答题指导

本题附完整参考答案与评分标准

登录后可查看结构化答题指导；也可以直接开一场模拟面试，AI 面试官用本题实时追问并给出评分。

开始模拟面试登录查看答题指导