面试题库 › 算法 / 大模型 › 高质量 SFT 数据集的构建与配比

高质量 SFT 数据集的构建与配比

难度 ★★★在 5 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

拼多多1百度1网易1Shopee1MiniMax1

常见岗位:大模型算法、NLP / 语音

答案要点

  1. 来源结合真实用户问题、人工精写和强模型合成后筛选的数据
  2. 清洗:精确与近似去重,过滤错误、低质和不安全样本,统一 chat template
  3. 指令多样化改写,回答长度和风格有变化,减少过度模板化
  4. 按任务类型分层配比,混入通用数据防止能力退化,比例靠消融实验确定
  5. 偏好数据为同一 prompt 下的成对回答;训练集与评测集去重防止污染

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