返回全部题目← 上一题65 / 204下一题 →题库/模型训练与对齐/Q-18729强化学习训练初期学不动时，怎样排查和处理？知识专题：训练框架、调参与排障题目类型：故障排查技术难度：进阶相关面经：1 篇未标记未标记待复习已掌握收藏反馈（在 GitHub 新标签页打开）Sorry o(╥﹏╥)o，暂无参考答案。带这道题，问问AI吧~问 AIKimiKimi（新窗口打开）Qwen千问（新窗口打开）OpenAIChatGPT（新窗口打开）本题目录相关面经相关题目相关面经1 篇滴滴大模型算法实习生2026-08-29实习一面、二面查看原面经 →RL训练前期学不动该怎么处理相关题目4 题0100项目中的强化学习框架是如何搭建的？同一知识专题题目类型：项目深挖技术难度：深入相关面经：3 篇0101verl 中的 Agent Loop 如何实现？同一知识专题题目类型：原理机制技术难度：进阶相关面经：3 篇0276训练正常而离线评测骤降时，如何定位链路问题？同一知识专题题目类型：故障排查技术难度：深入相关面经：1 篇0381资源受限的微调中，如何判断学习率过高或过低？同一知识专题题目类型：故障排查技术难度：进阶相关面经：2 篇♥♥♥♥♥← 上一题已到最后一题← 上一题项目中 GRPO 怎样设置和调整超参数？下一题 →项目模型微调实际用了哪些设备、多少卡和多长时间？