LLM 算法岗 | 面试常问的 LLM 八股题目汇总 整理自博客园 moonout 目录 1. Transformer 与模型架构原理 2. 大模型训练流程与微调技术 3. 强化学习与人类对齐 (RLHF) 4. Agent 智能体设计与应用 5...

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...