互联网/IT行业面试题更新 2026-08-05
请详细说明你在项目中如何进行SFT数据合成、SFT/RL训练以及奖励函数设计？
美团人工智能互联网/IT问题拆解技术原理
考察说明
考察对LLM微调全流程的深度理解和实践细节
回答思路
- 说明SFT数据合成的方法、来源和质量控制
- 阐述SFT训练的具体配置、损失函数和调参策略
- 解释RL训练（如PPO）的流程和奖励函数设计的动机
- 讨论训练过程中的挑战和解决方案
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。
