科大讯飞面试题更新 2026-08-05
在LLM训练中，为什么要先进行SFT微调，再进行RL（如RLHF）对齐？
科大讯飞人工智能专业服务问题拆解技术原理方案权衡LLM
考察说明
考察对SFT与RL阶段作用与先后次序的深入理解
回答思路
- 说明SFT让模型学会指令跟随和输出格式
- 说明RL阶段基于偏好优化进一步对齐人类价值
- 解释若不先SFT直接RL会导致探索空间过大、训练不稳定
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。
