电子/半导体行业面试题更新 2026-08-05
如果直接用DPO的chosen回答做SFT，还需要RLHF吗？
小米集团人工智能电子/半导体技术原理方案权衡
考察说明
考察对SFT、DPO、RLHF技术路线的本质区别与适用场景的理解
回答思路
- 说明SFT与DPO/RLHF在优化目标上的区别
- 分析直接用chosen做SFT可能引发的分布偏移或过度优化问题
- 阐述DPO/RLHF在奖励建模与偏好对齐上的独特作用
- 讨论在特定场景下是否需要额外RLHF的权衡
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。
