面试题库 › 算法 / 大模型 › SFT、IFT 与强化学习的区别

SFT、IFT 与强化学习的区别

难度 ★★★在 11 场真实面经中被问到 方向:算法 / 大模型考点:监督微调

哪些公司问过

美团3京东2字节跳动1快手1百度1阿里云1MiniMax1

常见岗位:大模型算法、AI 应用 / Agent 开发、机器学习算法(泛)、NLP / 语音、Java 后端

答案要点

  1. SFT:用标注的输入输出对做监督训练,目标是模仿参考答案
  2. IFT 是 SFT 的一种,数据是指令加回答,重点是遵循指令并泛化
  3. RL:用奖励信号优化,可直接优化偏好或可验证的结果,但奖励难设计、训练不稳定
  4. SFT 只有正例示范,缺少负反馈,难以表达偏好排序
  5. 常见流程:先 SFT 打基础,再用 RLHF 或 DPO 做对齐

易错点

面试官常见追问

完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。

相关面试题