人工智能面试题更新 2026-08-05
如果要修改模型生成的商品名称，应该优先使用监督微调（SFT）还是强化学习（RL）？请说明理由。
百度人工智能专业服务技术选型方案权衡
考察说明
考察对SFT与RL适用场景、目标函数和样本效率的理解
回答思路
- 明确区分SFT用于模仿分布、RL用于优化不可微或奖励驱动的目标
- 指出商品名称修改通常有明确标准，SFT可低成本达标
- 说明RL适合需要多步推理或奖励函数复杂的场景
- 必要时提及RL的高方差和采样成本
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。
