01 在SFT阶段,你会如何清洗和配比指令数据,并保证指令数据的多样性?训练轮次与过拟合之间如何平衡?考察候选人对SFT数据链路的实操理解,包括清洗规则、配比策略、多样性保障和训练轮次控制。 查看学习思路
02 在RLHF中,如何控制偏好数据的标注一致性,如何评估reward model的泛化能力,PPO训练不稳定时有哪些排查手段?考察候选人对RLHF全链路的理解深度,尤其是偏好数据质量、reward model泛化和PPO不稳定排查的实战经验。 查看学习思路