SFT 与 LoRA：精简八股与标准答案 面向大模型算法 / AI Agent 算法岗。18 题，P0 优先；每题提供“面试口述版”及必要追问。先掌握 SFT 与 LoRA 的基本原理，不讨论复杂分布式训练。题目为常见面试知识点的整理，不声称逐字来自...

RAG 与 BGE-M3：精简面试八股与标准答案 面向 AI Agent / 大模型算法岗。RAG 为重点，BGE-M3 掌握核心原理与选型。 共 18 题。每题包含面试口述版与追问要点。项目题以“多阶段文档处理、分块、知识图谱、复查”为背景；不预设...

Agent 三种常见范式：ReAct / Plan-and-Execute / Reflection 面试方向：AI Agent 算法岗 ｜精简版 15 题｜ReAct 重点，另外两种了解即可。 术语说明：这里的 ReAct = Reason + A...

Workflow & Agent Harness｜精简版面试八股（15 题） 面向：AI Agent / 大模型算法岗。主线：Workflow 设计与可靠性；Harness 只掌握必要概念。标记：P0 必会（1—11），P1 常见追问（12—...

GRPO 基础八股｜32 题标准答案（面试口述版 + 原理追问） 面向：大模型算法 / AI Agent 算法岗位。与对应的《GRPO 基础八股面试题清单》按题号对应。建议：先背 P0（1–15），再学 P1（16–26），P2（27–32）只需初步...

文档助手Agent 1 重新整理版一句话 把任意格式的文件变成完整、干净的文字。做法是让模型从 17 个解析工具里挑：先试一个，看结果好不好，不好就换一个对比，实在不行用 OCR。 识别文件格式-构建工具池-质量指标-React-训练（SFT，拒绝采...

强化学习与人类对齐1. 介绍一下 PPO、DPO、GRPO 的定义、结构区别、优缺点及适用场景。1. PPO$$ L^{CLIP}=\mathbb{E}_t\Big[\min\big(r_t A_t,\ \text{clip}(r_t,1-\epsi...

大模型训练流程与微调技术SFT标准公式就一个 $$ \mathcal{L}_{\mathrm{SFT}}(\theta) = -\sum_{t=1}^{T} \log P_{\theta}(y_t \mid x, y_{<t}) $$ 假设训练...

PPO理解首先是大模型工业目前常用到的顺序为: 12345fine-turn | SFT | RL RL有很多，比如说PPO，GRPO等等 为什么需要RL呢？ PPO有四个部分组成，分别为Actor, critic, Reference...