面试题库 › 算法 / 大模型 › SFT 数据如何生成与标注,如何防止训练测试泄漏

SFT 数据如何生成与标注,如何防止训练测试泄漏

难度 ★★☆在 1 场真实面经中被问到 方向:算法 / 大模型考点:监督微调

常见岗位:AI 应用 / Agent 开发

答案要点

  1. 数据来源:脱敏真实问题、人工示范、强模型合成或蒸馏,按任务配比
  2. 质量控制:规则过滤、可验证任务自动校验、模型打分加人工抽检
  3. 标注先定细则,多人标注测一致性,用分歧样本迭代细则
  4. 防泄漏:先去重后切分,哈希去精确重复,MinHash、n-gram 或向量去近似重复,并查公开评测集重叠
  5. 按来源、时间或用户分组切分并冻结测试集,新增训练数据都要与其比对

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