互联网/IT行业面试题更新 2026-08-05
为什么有了 SFT（监督微调）之后还需要 RLHF（人类反馈强化学习）？
字节跳动人工智能互联网/IT自我呈现技术原理方案权衡
考察说明
考察对大模型训练流程、对齐方法论和SFT局限性的理解
回答思路
- 解释SFT的基本机制及其局限性
- 说明RLHF如何解决SFT难以覆盖的偏好对齐问题
- 对比两者在数据、目标函数和迭代方式上的差异
- 结合实际场景说明RLHF对安全性和有用性的提升
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。
