MiniMax面试题更新 2026-08-05
在模型对齐中，为什么SFT之后通常还要做RLHF？只用SFT可以吗？
MiniMax人工智能技术原理方案权衡
考察说明
考察对SFT局限性及RLHF相对优势的理解
回答思路
- 能指出SFT受限于监督数据分布、难以覆盖长尾偏好
- 能说明RLHF通过奖励模型提供更细粒度或分布外的偏好信号
- 能理性讨论仅用SFT在什么场景下可行、什么场景下不足
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。
