我要招人

互联网/IT行业面试题更新 2026-08-05

SFT 与 GRPO 在训练流程中的作用有什么区别？

作业帮人工智能互联网/IT技术原理方案权衡

考察说明

考察对监督微调与强化学习微调阶段目标与机制差异的理解

回答思路

  1. 说明 SFT 是模仿学习，让模型对齐格式和基础能力
  2. 说明 GRPO 是基于偏好反馈的策略优化，提升推理与奖励对齐
  3. 对比二者训练数据、优化目标和适用场景
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