面试题库 › 算法 / 大模型 › 大模型训练流程:预训练、SFT、RLHF

大模型训练流程:预训练、SFT、RLHF

难度 ★★★在 24 场真实面经中被问到 方向:算法 / 大模型考点:大模型基础

哪些公司问过

字节跳动3阿里巴巴2爱奇艺2腾讯1美团1华为1拼多多1百度1小红书1金山1

常见岗位:大模型算法、AI 应用 / Agent 开发、NLP / 语音、人工智能、推理部署与加速

答案要点

  1. 预训练:海量无标注文本做下一个 token 预测,所有 token 都算损失
  2. SFT:指令与回答对做监督微调,只计算回答部分的损失,mask 掉 prompt
  3. SFT 不算 prompt 损失:prompt 是条件而非目标,算了会误导梯度
  4. RLHF:先训练奖励模型,再用 PPO 优化策略,并用 KL 惩罚约束偏离
  5. DPO 无需单独奖励模型,更简单;PPO 对复杂偏好更灵活但流程复杂

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