我要招人

腾讯面试题更新 2026-08-05

在 RLHF 中，KL 散度起到什么作用？

腾讯人工智能互联网/IT技术原理方案权衡

考察说明

考察对 RLHF 训练流程中 KL 散度约束目的的理解

回答思路

  1. 能说明 KL 散度用于限制策略模型与参考模型分布的偏离
  2. 能解释防止奖励模型被过度优化导致策略漂移
  3. 能结合 RLHF 训练目标说明权衡关系
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