互联网/IT行业面试题更新 2026-08-05
请介绍大模型中的奖励模型（Reward Model）及其在训练中的作用。
字节跳动人工智能互联网/IT业务理解技术原理
考察说明
考察对大模型奖励模型的概念、训练目标及在RLHF中作用的理解
回答思路
- 正确解释奖励模型的概念与训练数据来源
- 说明其打分目标与真实人类偏好的关系
- 阐述其在RLHF或强化学习流程中的角色
- 提及与基座模型和策略模型的关系
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。
