返回全部题目← 上一题67 / 204下一题 →题库/模型训练与对齐/Q-18848GRPO 训练后期收益衰减明显时，怎样定位并优化？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 篇高德大模型算法工程师2026-08-12二面查看原面经 →GRPO训练自带KL约束，训练后期收益衰减明显，有哪些优化手段？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← 上一题项目模型微调实际用了哪些设备、多少卡和多长时间？下一题 →模型效果不好时，如何判断问题来自预训练、后训练还是数据？