腾讯面试题更新 2026-08-05
你了解或使用过 RLHF 吗？请简单介绍一下它。
腾讯人工智能互联网/IT技术原理技术选型
考察说明
考察对强化学习与人类反馈微调技术的理解深度与实际经验
回答思路
- 解释 RLHF 的基本流程：预训练、监督微调、奖励模型训练、强化学习优化
- 说明 RLHF 的目标与作用：让模型输出更符合人类偏好
- 结合自身经历说明是否实际使用过，包括工具或框架
- 能指出 RLHF 的局限性或改进方向
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。
