互联网/IT行业面试题更新 2026-08-05
项目:PPO/GRPO 微调后,如何防止模型在分布外(OOD)问题上性能崩塌?
美团人工智能互联网/IT风险判断技术原理方案权衡
考察说明
考察强化学习微调后的分布外鲁棒性与泛化保持策略
回答思路
- 识别OOD问题的成因,如奖励过拟合与分布偏移
- 提出保持基础能力的方法,如混合训练或正则化
- 讨论评估与监控机制,如回放集或基准测试
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。
