腾讯面试题更新 2026-08-05
介绍RLHF（基于人类反馈的强化学习）的实施流程。
腾讯人工智能互联网/IT技术原理技术选型方案权衡
考察说明
考察对大模型对齐技术核心流程的理解与关键环节把握
回答思路
- 涵盖预训练模型准备、人类反馈收集、奖励模型训练、强化学习优化四阶段
- 说明指令微调（SFT）与RLHF的关系
- 解释奖励模型训练的数据与损失
- 说明PPO等强化学习算法在大模型上的应用及稳定性处理
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。
