我要招人

互联网/IT行业面试题更新 2026-08-05

请分享你在 SFT 和 DPO 训练过程中的主要心得与经验。

淘天集团人工智能互联网/IT持续改进项目复盘技术原理

考察说明

考察对监督微调与偏好对齐训练方法的理解深度及实战经验

回答思路

  1. 能清晰解释 SFT 与 DPO 的目标差异和适用场景
  2. 结合实际训练数据、超参或调参经验说明关键影响因素
  3. 能识别过拟合、灾难性遗忘、奖励黑客等常见问题及应对
  4. 能总结从 SFT 到 DPO 的完整训练流程与评估方法